[发明专利]一种基于CNN的个体化12导联心电图重建方法

说明书

一种基于CNN的个体化12导联心电图重建方法，包括：a)采集个人一段时间的12导联心电图数据，基于MODWT对数据进行预处理；b)以采集数据作为训练测试数据来源，以医生需求或后期需佩戴的心电图设备位置导联数据为输入，以其他导联数据为输出，基于CNN建立并训练神经网络；c)将个人佩戴心电图设备采集的导联数据输入训练好的网络，重建其他未知导联数据；本发明能根据不同人的特质及医生、便携式心电图设备要求重建12导联心电图，要求的数据量少，易于理解，容易实现，预测精度较高，更适于12导联心电图的重建。

技术领域

本发明涉及一种基于CNN(Convolutional neural networks)的个体化12导联心电图重建方法，属于心电图智能诊断技术领域。

背景技术

心电图检查是体检的常见项目，如果患者疑似有心律心脏疾病，通常也会去医院做个心电图，但是，在医院的几分钟或者十几分钟常规心电图，往往难以发现问题，这时候医生就可能会给患者一个可以穿戴的心电图设备，以便对患者进行较长时间的心电图采集或者远程监测。但是这些设备往往不能同时测量标准12导联的心电信号，对于需要通过多个导联数据才能进行综合诊断的心脏疾病，较少导联信号难以发挥应有作用，所以，如何从较少导联心电信号重建12导联心电信号就成为了业界的一个研究热点。

总的来看，目前研究集中在三方面：其一是基于心电图是心电向量二次投影的原理，利用数学方法，直接推导导联之间的线性数学关系；其二是利用统计软件如SPSS，基于Frank导联或EASI导联重建12导联，得到一组线性组合系数，在此基础上，郭继鸿教授提出了一种“个体化的导联转换”思想；其三是基于支持向量机、BP神经网络等非线性方法来重建12导联。线性方法一般计算简单，速度快，但准确度比非线性方法差，其中主要的原因是人体是一个非线性的复杂系统，因此非线性的方法更适合寻找不同导联之间的联系。但支持向量机只能提取有限的特征点，且一次只能充建一个导联信号；BP神经网络的方法没有充分考虑输入导联之间的空间相关性，且收敛速度较慢。

CNN是目前很流行的一种深度学习方法，已成功应用于图像、语音识别等多个领域，与传统的非线性方法如BP神经网络相比，大幅降低了多维输入向量特征提取和分类过程中数据重建的复杂度；同时，通过对输入导联进行了二维化处理，也充分考虑了导联之间的空间相关性。

发明内容

本发明的目的在于克服现有技术存在的不足，而提供一种能根据不同人的特质及医生、便携式心电图设备要求重建12导联心电图，要求的数据量少，易于理解，容易实现，预测精度较高，更适于12导联心电图重建的基于CNN的个体化12导联心电图重建方法。

为了实现上述目的，本发明所采用的技术方案如下：包括如下步骤：

a)采集个人一段时间的12导联心电图数据，基于MODWT(Maximal overlapdiscrete wavelet transform)对数据进行预处理；

b)以采集数据作为训练测试数据来源，以医生需求或后期需佩戴的心电图设备位置导联数据为输入，以其他导联数据为输出，基于CNN建立并训练神经网络；

c)将个人佩戴心电图设备采集的导联数据输入训练好的网络，重建其他未知导联数据；其特征在于：

所述步骤a)，采集个人一段时间的12导联心电图数据，基于MODWT对数据进行预处理，其方法为：

设有12导联心电图数据X：

其中：n表示采样点数(因采样频率f_c已知，可得采样点i处对应时刻t_i＝i/f_c)；其中的步骤是：

步骤1：以第1导联数据为例，选用合适小波及合适层数进行MODWT，消除低频的基线漂移及高频噪声；