[发明专利]房颤信号的识别方法、装置和设备

权利要求书

1.一种房颤信号的识别方法，其特征在于，所述方法包括：

获取待识别的心电信号；

将所述待识别的心电信号输入至预先建立的房颤信号识别模型中，输出房颤信号的识别结果；

其中，所述房颤信号识别模型通过下述方式建立：

获取设定数量的心电样本信号和对应的标识信息；其中，所述标识信息包括正常信号和房颤信号的标识信息；

根据所述正常信号的数量，采用SMOTE方式对所述房颤信号进行均衡处理；

建立多路卷积神经网络的网络结构；每路卷积神经网络设置有特定的感受野，用于识别相应粒度的房颤信号；

将所述正常信号和均衡处理后的房颤信号输入至所述网络结构中进行训练，生成所述房颤信号识别模型；

所述多路卷积神经网络的网络结构包括第一网络和第二网络；

所述第一网络内卷积核的感受野小于所述第二网络内卷积核的感受野。

2.根据权利要求1所述的方法，其特征在于，所述获取待识别的心电信号的步骤，包括：

获取原始心电信号；

对所述原始心电信号进行预处理，生成待识别的心电信号；所述预处理包括滤波处理和正则化处理。

3.根据权利要求1所述的方法，其特征在于，所述将所述正常信号和均衡处理后的房颤信号输入至所述网络结构中进行训练，生成所述房颤信号识别模型的步骤，包括：

将所述正常信号和均衡处理后的房颤信号输入至所述网络结构中进行训练，生成初始模型；

计算所述初始模型的灵敏度

计算所述初始模型的特异性

计算所述初始模型的精确度

计算所述初始模型的准确度

其中，#代表数量；TP为识别正确的房颤信号；FP为识别错误的房颤信号；TN为识别正确的正常信号；FN为识别错误的正常信号；

判断所述灵敏度、所述特异性、所述精确度和所述准确度是否分别满足对应的阈值，如果否，调整所述网络结构中的配置参数，直至所述灵敏度、所述特异性、所述精确度和所述准确度满足对应的阈值；

将所述初始模型确定为所述房颤信号识别模型。

4.一种房颤信号的识别装置，其特征在于，所述装置包括：

信号获取模块，用于获取待识别的心电信号；

结果输出模块，用于将所述待识别的心电信号输入至预先建立的房颤信号识别模型中，输出房颤信号的识别结果；

其中，所述房颤信号识别模型通过下述方式建立：

获取设定数量的心电样本信号和对应的标识信息；其中，所述标识信息包括正常信号和房颤信号的标识信息；

根据所述正常信号的数量，采用SMOTE方式对所述房颤信号进行均衡处理；

建立多路卷积神经网络的网络结构；每路卷积神经网络设置有特定的感受野，用于识别相应粒度的房颤信号；

将所述正常信号和均衡处理后的房颤信号输入至所述网络结构中进行训练，生成所述房颤信号识别模型；

所述多路卷积神经网络的网络结构包括第一网络和第二网络；

所述第一网络内卷积核的感受野小于所述第二网络内卷积核的感受野。

5.根据权利要求4所述的装置，其特征在于，所述信号获取模块，还用于：

获取原始心电信号；

对所述原始心电信号进行预处理，生成待识别的心电信号；所述预处理包括滤波处理和正则化处理。

6.根据权利要求4所述的装置，其特征在于，所述结果输出模块，还用于：

将所述正常信号和均衡处理后的房颤信号输入至所述网络结构中进行训练，生成初始模型；

计算所述初始模型的灵敏度

计算所述初始模型的特异性

计算所述初始模型的精确度

计算所述初始模型的准确度

其中，#代表数量；TP为识别正确的房颤信号；FP为识别错误的房颤信号；TN为识别正确的正常信号；FN为识别错误的正常信号；

判断所述灵敏度、所述特异性、所述精确度和所述准确度是否分别满足对应的阈值，如果否，调整所述网络结构中的配置参数，直至所述灵敏度、所述特异性、所述精确度和所述准确度满足对应的阈值；

将所述初始模型确定为所述房颤信号识别模型。