[发明专利]基于CNN的心电信号处理方法及心律不齐检测系统

权利要求书

1.基于CNN的心电信号处理方法，其特征是，包括：

对心电信号进行预处理得到总样本集；

构建卷积神经网络；

采用十折交叉检验方式，对总样本集分十次划分成训练集和测试集；

利用每一次划分的训练集对卷积神经网络进行训练；然后利用每一次训练集所对应的测试集对卷积神经网络进行测试，获得模型的分类精度；将十次分类精度进行加和求平均值，将平均值与设定阈值进行比较，如果分类精度平均值大于等于设定阈值，则停止训练，得到训练好的卷积神经网络；

对待识别的心电信号进行预处理，将连续的心电信号分离成单个心跳信号，将待识别的单个心跳信号依次输入训练好的卷积神经网络中，卷积神经网络输出对待识别信号的分类结果。

2.如权利要求1所述的方法，其特征是，每一次划分的训练集与对应的测试集无重复使用的信号；每一次划分的测试集与其他次划分的测试集均无重复使用的信号；每一次划分的训练集中均包括正常心电信号和异常心电信号；每一次划分的测试集中也均包括正常心电信号和异常心电信号。

3.如权利要求1所述的方法，其特征是，所述卷积神经网络，包括：输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、全连接层和输出层；

所述输入层，用于输入单个心电信号；输入层的单个心电信号矩阵为300*1，其中，300为单个心电信号被均匀离散成点的个数，每一个离散点的值为信号在该点的幅值；学习率设置为0.002；

所述第一卷积层，卷积核大小为3*1；步长为1；特征图个数为8；第一卷积层特征图的大小为298*1*8

所述第一池化层，卷积核大小为2*1，步长为2，特征图个数为8，第一池化层特征图的大小为149*1*8；

所述第二卷积层，卷积核大小为4*1，步长为1，特征图个数为16，第二卷积层特征图的大小为146*1*16；第二卷积层的激活函数为整流线型单元Relu；

所述第二池化层，卷积核大小为2*1，步长为2，特征图个数为16，第二池化层特征图大小为73*1*16。

4.如权利要求3所述的方法，其特征是，所述第三卷积层，卷积核大小为4*1，步长为1，特征图个数为32，第三卷积层特征图的大小为70*1*32；第三卷积层的激活函数为整流线型单元Relu；

所述第三池化层，卷积核大小为2*1，步长为2，特征图个数为32，第三池化层特征图的大小为35*1*32；

所述第四卷积层，卷积核大小为4*1，步长为1，特征图个数为64，第四卷积层特征图的大小为32*1*64；第四卷积层的激活函数为整流线型单元Relu；

所述第四池化层，卷积核大小为2*1；步长为2，特征图个数为64，第四池化层特征图的大小为16*1*64；

所述输出层，包括Softmax函数分类器，Softmax函数分类器用于对数据进行分类输出。

5.如权利要求1所述的方法，其特征是，所述采用十折交叉检验方式，对样本集分十次划分成训练集和测试集的具体步骤为：

第一次划分，从异常心电信号数据库中第一次抽取异常心电信号，然后从正常心电信号数据库中第一次抽取正常心电信号；将第一次抽取的正常和异常心电信号一起作为第一测试集，然后，将总样本集中剩余未被抽取的心电信号全部作为第一训练集；

第二次划分，从第一训练集的异常心电信号数据库中第二次抽取异常心电信号，然后从第一训练集的正常心电信号数据库中第二次抽取正常信号；将第二次抽取的正常和异常心电信号一起作为第二测试集，然后，将总样本集中未被第二次抽取的心电信号全部作为第二训练集；

第三次划分，从第二训练集的异常心电信号数据库中第三次抽取异常心电信号，然后从第二训练集的正常心电信号数据库中第三次抽取正常信号；将第三次抽取的正常和异常心电信号一起作为第三测试集，然后，将总样本集中未被第三次抽取的心电信号全部作为第三训练集；以此类推，共划分十次；

第十次划分，从第九训练集的异常心电信号数据库中第十次抽取异常心电信号，然后从第九训练集的正常心电信号数据库中第十次抽取正常信号；将第十次抽取的正常和异常心电信号一起作为第十测试集，然后，将总样本集中未被第十次抽取的心电信号全部作为第十训练集。