[发明专利]一种基于人工智能的进行杂波剔除的方法及系统

权利要求书

1.一种基于人工智能的进行杂波剔除的方法，其特征在于，包括如下步骤：

获取录入的若干原始心电图；

生成原始心电图训练集；

根据原始心电图训练集对人工智能神经网络进行反复训练以识别杂波，包括

在原始心电图训练集中，随机抽取第一份原始心电图；

对抽取的原始心电图添加噪声；

在原始心电图训练集中，随机抽取第二份原始心电图作为标准心电图；

比较添加噪声的原始心电图和标准心电图之间的波形参数差别信息；

获取波形参数差别信息的比较结果；

将比较结果进行评分形成评价值；

设定心电图波形参数评价标准阈值；

评价值与评价标准阈值进行对比；

根据评价值与评价标准阈值之间的差别，判断是否添加噪声后的心电图具有杂波；

获取判断结果，完成对人工智能神经网络的心电图杂波识别训练；

根据训练结果将符合杂波特征的心电图进行剔除。

2.根据权利要求1所述的一种基于人工智能的进行杂波剔除的方法，其特征在于，所述原始心电图训练集中的心电图包括具有杂波的第一类原始心电图和不具有杂波的第二类原始心电图。

3.根据权利要求2所述的一种基于人工智能的进行杂波剔除的方法，其特征在于，所述方法还包括

判断随机抽取的第二份原始心电图是否为第一类原始心电图；

若判断结果为是，则在评价值与评价标准阈值进行对比时，若对比结果在限定范围值内，则证明添加噪声后的第一份原始心电图具有杂波；若对比结果在限定范围值外，则不作判断；

若判断结果为否，则在评价值与评价标准阈值进行对比时，若对比结果在限定范围值内，则证明添加噪声后的第一份原始心电图不具有杂波；若对比结果在限定范围值外，则证明添加噪声后的第一份原始心电图具有杂波。

4.根据权利要求1所述的一种基于人工智能的进行杂波剔除的方法，其特征在于，执行所述比较添加噪声的原始心电图和标准心电图之间的波形参数差别信息步骤时，比较内容至少包括波形的相似率、斜率、幅度、均值。

5.根据权利要求4所述的一种基于人工智能的进行杂波剔除的方法，其特征在于，执行所述将比较结果进行评分形成评价值步骤时，评价值由至少包括相似度、斜率、幅度、均值在内的参数得出。

6.一种基于人工智能的进行杂波剔除的系统，其特征在于，包括原始心电图训练集、随机抽取模块、噪声添加模块、心电图比较模块、比较结果评价模块、标准阈值比较模块、杂波确认模块、人工智能神经网络分析模块；

原始心电图训练集，获取心电图数据，形成数据库；

随机抽取模块，从原始心电图训练集中随机抽取模块供训练识别，包括抽取第一份原始心电图发送至噪声添加模块；抽取第二份原始心电图发送至心电图比较模块；

噪声添加模块，随机添加噪声信息至第一份原始心电图，对第一份原始心电图进行变换，并生成一份新的心电图；

心电图比较模块，将添加噪声后的心电图与第二份原始心电图进行对比，生成比较参数，将比较参数发送至比较结果评价模块；

比较结果评价模块，接收心电图比较模块发送的比较参数，根据比较参数形成评价值，并发送至标准阈值比较模块；

标准阈值比较模块，预设评价标准阈值，将从比较结果评价模块获取的评价值与评价标准阈值进行比较，得出比较结果；

杂波确认模块，根据标准阈值比较模块发送的比较结果确认添加噪声后的心电图是否具有杂波；

人工智能神经网络分析模块，记录具有杂波的心电图特征，记录为杂波特征，获取对象心电图，对比对象心电图与杂波特征，将具有杂波特征的对象心电图剔除。

7.根据权利要求6所述的一种基于人工智能的进行杂波剔除的系统，其特征在于，还包括区别特征判断模块，区别特征判断模块判断是否对象心电图上有杂波特征，若判断结果为否，则证明对象心电图无杂波，若判断结果为是，则证明对象心电图具有杂波。

8.根据权利要求6所述的一种基于人工智能的进行杂波剔除的系统，其特征在于，所述评价标准阈值是由至少包括相似度、斜率、幅度、均值在内的多个参数标准值形成的标准参数。