[发明专利]基于改进卷积神经网络的室性早搏心跳识别方法及装置

权利要求书

1.一种基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，包括：

预处理步骤，对心电信号进行预处理；

截断步骤，将心电信号截断为若干个心跳序列，提取每个心跳与之前心跳之间的RR间隔；

计算步骤，计算每个心跳序列的峭度值、偏度值；

识别步骤，将心跳序列、RR间隔、峭度值、偏度值输入到改进卷积神经网络模型中，输出待识别心跳的识别结果，根据识别结果判定待识别心跳是否是室性早搏心跳；所述待识别心跳包括第二个心跳及其之后所有心跳。

2.根据权利要求1所述的基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，所述预处理步骤，具体为：

采用上下截止频率分别为0.1Hz、100Hz的fir滤波器，对心电信号进行滤波；

如果心电信号采样频率不是500Hz，则采用最邻近内插法将信号重采样为500Hz。

3.根据权利要求1所述的基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，所述截断步骤，具体为：

采用R波峰提取算法进行R波峰提取；从R波峰前0.3s到后0.7s进行截断，作为一个心跳；

采用R波峰提取算法进行R波峰提取；计算某一心跳的R波峰在心电信号中的发生时刻与上一心跳的R波峰发生时刻之间的时间差作为RR间隔。

4.根据权利要求1所述的基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，所述计算步骤，具体为：

计算心跳序列的峭度值kur的公式为：

计算心跳序列的偏度值skw的公式为：

其中，N为信号长度，x_i为第i个采样点的值，μ为信号的平均值，σ为信号的方差，i为正整数。

5.根据权利要求1所述的基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，所述识别步骤中，改进卷积神经网络模型包括8层网络及一个分类器；8层网络分别记为layer1-layer8，其中layer1-layer6均由一个卷积层和一个池化层组成；

layer1中卷积层包含5个核，卷积核大小均为224，layer1中池化层中的步长和核大小均为2；

layer2中卷积层包含5个核，卷积核大小均为112，layer2中池化层中的步长和核大小均为2；

layer3中卷积层包含10个核，卷积核大小均为100，layer3中池化层中的步长和核大小均为2；

layer4中卷积层包含10个核，卷积核大小均为50，layer4中池化层中的步长和核大小均为2；

layer5中卷积层包含10个核，卷积核大小均为48，layer5中池化层中的步长和核大小均为2；

layer6中卷积层包含10个核，卷积核大小均为24，layer4中池化层中的步长和核大小均为2；

全连接层layer7的输入层神经元个数与layer6的输出特征个数一致，输出层神经元个数为30个，经过计算后输出30个特征；

将所述30个特征与某一心跳及其心电图中的上一心跳之间的R波峰间隔、该心跳序列的峭度值、偏度值组成33个特征作为layer8的输入；

layer8的输入层神经元的个数为33个，输出层神经元的个数为10个；

分类器的输入层神经元的个数为10个，输出层神经元的个数为1个；

网络中所有的变量参数由训练得到，训练时采用第一数量的室性早搏心跳和第二数量的均匀类型的心跳作为训练数据进行训练，得到改进卷积神经网络模型。

6.一种基于改进卷积神经网络的室性早搏心跳识别装置，其特征在于，包括：

预处理模块，用于对心电信号进行预处理；

截断模块，用于将心电信号截断为若干个心跳序列，提取每个心跳与之前心跳之间的RR间隔；

计算模块，用于计算每个心跳序列的峭度值、偏度值；

识别模块，用于将心跳序列、RR间隔、峭度值、偏度值输入到改进卷积神经网络模型中，输出待识别心跳的识别结果，根据识别结果判定待识别心跳是否是室性早搏心跳；所述待识别心跳包括第二个心跳及其之后所有心跳。