[发明专利]基于人工智能的心电图干扰识别方法

说明书

本发明实施例涉及一种基于人工智能的心电图干扰识别方法,包括：以第一数据量对心搏数据进行切割采样，并将切割采样得到的待识别心搏数据输入到干扰识别二分类模型进行干扰识别；对心搏数据的序列中，心搏间期大于等于预设间期判定阈值的心搏数据片段进行信号异常判断，确定是否为异常信号；如果不是异常信号，则以预设时间宽度，根据设定时值确定心搏数据片段中滑动取样的起始数据点和终止数据点，并由起始数据点开始对数据片段进行滑动取样，至终止数据点为止，得到多个取样数据段；将每个取样数据段作为待识别心搏数据进行干扰识别。

技术领域

本发明涉及人工智能数据分析处理的技术领域，尤其涉及一种基于人工智能的心电图干扰识别方法。

背景技术

1908年Einthoven开始应用心电图(Electrocardiography，ECG)监测心脏的电生理活动，目前无创心电图检查已成为临床心血管领域针对心脏疾病诊断和筛查的重要方法之一。心电图检查根据临床使用情况，可以分成：静态心电图，动态心电图，和运动心电图等几大类。

心电监测是心血管患者病情观察及诊疗的一项重要措施，可以实时监测有无心律失常、心脏搏动的频率等，并根据心电活动采取及时有效的措施。虽然市场上大多数的动态心电图分析软件都可以对数据进行自动分析但在临床工作中，心电图检测记录过程中易受多种影响出现干扰现象，导致获取数据无效或不准确，不能正确反映病人状况，增加医生诊断难度及工作量；同时，干扰数据也是导致智能诊断工具无法有效工作的主要因素。因此，将干扰降到最低显得尤为重要。

发明内容

本发明的目的是提供一种基于人工智能的心电图干扰识别方法。以深度学习算法为核心的端到端二分类识别系统，具有精度高，泛化性能强的特点，可有效解决电极片脱落、运动干扰和静态干扰等主要干扰来源产生的扰动问题，克服了传统算法因干扰数据变化多样无规律而导致的识别效果差的问题。

为实现上述目的，本发明提供了一种基于人工智能的心电图干扰识别方法，包括：

以第一数据量对心搏数据进行切割采样，并将切割采样得到的待识别心搏数据输入到干扰识别二分类模型进行干扰识别；

确定心搏数据的序列中，心搏间期大于等于预设间期判定阈值的心搏数据片段；

对心搏间期大于等于预设间期判定阈值的心搏数据片段进行信号异常判断，确定是否为异常信号；

如果不是异常信号，则以预设时间宽度，根据设定时值确定所述心搏数据片段中滑动取样的起始数据点和终止数据点，并由所述起始数据点开始对所述数据片段进行滑动取样，至所述终止数据点为止，得到多个取样数据段；

将每个所述取样数据段作为所述待识别心搏数据进行所述干扰识别。

优选的，所述以第一数据量对心搏数据进行切割采样具体包括：

确定所述心搏数据的采样中点；

以所述采样中点为中心，按照所述心搏数据的时间序列，从所述采样中点起，向两侧进行数据截取，得到所述第一数据量的采样数据。

进一步优选的，所述心搏数据的采样中点为所述心搏数据中QRS波群数据的R点。

进一步优选的，所述数据截取具体为：

根据数据点的数量截取或者根据时间段的长短截取。

优选的，所述心搏数据具体为单导联或多导联的心搏数据；所述以第一数据量对心搏数据进行切割采样具体为：

确定单导联或多导联心搏数据的采样中点；

以第一数据量，基于单导联或多导联心搏数据的采样中点进行所述切割采样。

优选的，所述将切割采样得到的待识别心搏数据输入到干扰识别二分类模型进行干扰识别具体包括：