[发明专利]一种心电信号分类识别方法

权利要求书

1.一种心电信号分类识别方法，其特征在于：包括以下实施步骤，

a、取得测量时间在10秒以上的原始心电图波形数据，并根据原始心电图波形数据进行心电图节律信息和PQRST波形的提取，获取心电图节律信息和PQRST波形的数字化数据；

b、设计构造卷积神经网络并对其进行训练，将步骤a得到的PQRST波形数据从训练完的卷积神经网络的输入端输入，经卷积神经网络进行分类后，从其输出端得到类型数据。

2.根据权利要求1所述的心电信号分类识别方法，其特征在于：步骤a使用的原始心电图波形数据，即ECG信号为双导联信号。

3.根据权利要求1所述的心电信号分类识别方法，其特征在于：步骤b设计的卷积神经网络将卷积层与下采样层合并设计为卷积下采样层，将输入层与神经元数目不同的三个卷积下采样层加上多层感知机构成的输出层组合成为一个完整的卷积神经网络；

其中卷积下采样层1按如下步骤产生，先由6个初始值不同的2×13卷积核对输入层做卷积，得到含有6个特征面的卷积层C1，再对卷积层C1使用2×3取样核产生6个子采样层S1；卷积下采样层2按如下步骤产生，先对子采样层S1相邻2个特征面进行组合得到6个新特征面，然后使用6个2×10卷积核与之做卷积运算，产生含36个特征面的卷积层C2，对卷积层C2的每个特征面采用2×3取样核产生36个子采样层S2；卷积下采样层3按如下步骤产生，先对子采样层S2进行3相邻面组合得到12个新特征面，然后使用6个2×6卷积核，产生含72个特征面的卷积层C3，对卷积层C3使用2×3取样核产生72个子采样层S3。

4.根据权利要求3所述的心电信号分类识别方法，其特征在于：步骤b对卷积神经网络的训练使用MIT-BIH心律失常数据库中的48条记录对卷积神经网络进行；记录为双导联信号，先经过0.5～25Hz的带通滤波器，滤除高频干扰和基线漂移；在每个导联，以R波为中心，取R波前100点，后199点，包括R波在内共300采样点组成一个完整心搏，提取25000个样本进行训练，将训练集做划分，分50组，每组500个，每次取8组做训练，2组做校验。

5.根据权利要求1所述的心电信号分类识别方法，其特征在于：具体过程按以下步骤实施，

(1)获取双导联心电图波形数据，并根据心电图波形数据截取其中长度为10秒的数据作为原始心电图波形数据；

(2)根据需要对步骤(1)得到的原始心电图波形数据进行去噪处理，去噪处理采用高通滤波器去除基线漂移噪音，噪音过高时使用低通巴特沃斯滤波器去除噪音干扰；

(3)设定卷积神经网络输入层、隐含层、输出层的节点个数，并随机设定相邻层各节点之间的权重；

(4)对卷积神经网络进行训练，训练用数据来自通过体检等手段获取的预记录数据以及MIT-BIH数据库数据；将训练用数据从卷积神经网络的输入端输入，经卷积神经网络进行分类后，从卷积神经网络的输出端得到类型数据；将卷积神经网络输出端得到的类型数据与预记录数据的类型标记进行比较，基于输出端和真实波形类型的检测偏差，利用后向传递算法修改卷积神经网络内各节点的权值；

(5)重复步骤(4)直到卷积神经网络判读结果符合真实波形类型，即卷积神经网络结构参数收敛时，获得训练好的卷积神经网络；卷积神经网络在经过大量心电图波形的学习后，将波形分类特征要素反映到卷积神经网络里面，以达到后续对其他心电图数据进行分类时可在短时间内得出正确的分类结果。

6.根据权利要求5所述的心电信号分类识别方法，其特征在于：具体操作步骤如下，

使用MIT-BIH数据库进行训练时共有48条记录，每条记录都为双导联，经过0.5～25Hz的带通滤波器，滤除高频干扰和基线漂移；在每个导联，以R波为中心，取R波前100点，后199点，包括R波在内共300采样点组成一个完整心搏，提取50000个样本，取25000个样本进行训练，剩余样本做测试；将训练集做划分，分50组，每组500个，每次取8组做训练，2组做校验；

卷积神经网络的三个卷积核分别取[2，13]，[2，10]和[2，6]；三层取样核均为[2，3]，即在单独一个导联的3个相邻点进行均值模糊；三个特征面数分别为6，36和72，多层感知机的隐含层的神经元数为50，而输出层神经元数为6；

双导联数据构成2×300的输入层，使用6个初始值不同的2×13卷积核，每个卷积核对输入层做卷积运算，一共可以得到6个新的特征面，每个的维度是2×288，此6个新特征面即是卷积层C1；然后对卷积层C1使用2×3取样核产生含6个2×96特征面构成子采样层S1；

对子采样层S1相邻2个特征面进行叠加取均值组合得到6个新特征面，纵坐标0-5表示S1的6个特征面，用第0个与第1个组合成新的第0个特征面，记录在横坐标，类似的构成另外5个；然后使用6个2×10卷积核，每个卷积核产生含36个2×87的特征面，构成卷积层C2，对卷积层C2的每个特征面采用2×3取样核产生36个2×29特征面构成子采样层S2；

对子采样层S2进行3相邻面组合得到12个新特征面，然后使用6个2×6卷积核，产生含72个2×24特征面的卷积层C3，对卷积层C3使用2×3取样核产生72个2×8特征面的子采样层S3；从子采样层S3到输出层是一个基本型的多层感知机，其中间隐含层设定50个神经元，与子采样层S3全连接；输出层设定6个神经元，与隐含层之间全连接。