[发明专利]基于深度神经网络的心电图智能分析方法、装置、计算机设备和系统

说明书

本发明公开了一种基于深度神经网络的心电图智能分析方法、装置、计算机设备和系统，其中，基于深度神经网络的心电图智能分析方法，包括如下步骤：获取并验证用户终端的登录请求；接收登录请求验证通过后的用户终端上传的心电图；在接收的所述心电图中随机截取一段连续的心电图信号，该心电图信号至少包含两个心动周期；将截取的心电图信号以图片形式输入分析模型中，提取得到心电图信号分析结果；所述分析模型基于ResNet模型、或Inception模型、或Inception‑ResNet模型训练得到；将分析结果反馈至用户终端。本发明提供的基于深度神经网络的心电图智能分析方法、装置、计算机设备和系统，减少人为设计特征带来的不完备性，提高心电图信号分析的便捷性和准确率。

技术领域

本发明涉及心电图信号处理技术领域，具体涉及基于深度神经网络的心电图智能分析方法、装置、计算机设备和系统。

背景技术

心电图(Electrocardiogram，简称ECG)是通过心电图机在人体体表采集记录反应心脏心动周期的电信号得到的曲线，如图3所示，心电图中的不同波形分别称为P波、Q波、R波、S波和T波等，心电图机对心电信号的采集非常便捷，通过分析心电图可以得到心脏的心动周期特征。

传统的心电图分析主要依靠专家人工进行判断，或借助简单的辅助程序进行判断，这种操作方式效率低，而且容易遗漏心电图中的重要信息。心电图的电信号具有微弱、低频和高阻抗等特性，抗干扰性非常差，现有的分析方法精度不理想，准确率不高。

发明内容

本发明提供了一种基于深度神经网络的心电图智能分析方法、装置、系统和存储介质，提高心电图分析的便捷性和准确性。

一种基于深度神经网络的心电图智能分析方法，包括如下步骤：

获取并验证用户终端的登录请求；

接收登录请求验证通过后的用户终端上传的心电图；

在接收的所述心电图中随机截取一段连续的心电图信号，该心电图信号至少包含两个心动周期；

将截取的心电图信号以图片形式输入分析模型中，提取得到心电图信号分析结果；所述分析模型基于ResNet模型、或Inception模型、或Inception-ResNet模型训练得到；

将分析结果反馈至用户终端。

以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。

可选地，所述心电图通过心电图采集装置采集得到、或通过对心电图采集装置的显示屏幕进行截屏得到、或通过对心电图进行拍摄得到。

可选地，所述分析模型包括卷积层、池化层和全连接层，其中，卷积层和池化层均采用Relu激活函数或其变体，全连接层采用softmax函数。

可选地，所述卷积层中第一卷积层包括3个卷积通道，每个卷积通道的卷积核均为{{1，1，1}，{1，1，1}，{1，1，1}}。

可选地，所述池化层采用取最大值法，池化窗口大小为(2，2)。

可选地，所述全连接层包含三层，第一层的神经元个数为4096，第二层的神经元个数为1024，第三层的神经元个数为28。

一种基于深度神经网络的心电图智能分析装置，包括：

验证模块，用于获取并验证用户终端的登录请求；

接收模块，用于接收登录请求验证通过后的用户终端上传的心电图；

预处理模块，用于在接收的所述心电图中随机截取一段连续的心电图信号，该心电图信号至少包含两个心动周期；