[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

说明书

本公开公开了基于CNN的心电信号处理方法及心律不齐检测系统，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。

技术领域

本公开涉及基于CNN的心电信号处理方法及心律不齐检测系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

心率不齐是心血管疾病中常见的一种症状，是指心跳或快或慢，超过了一般范围的一种疾病。心电信号是一种被广泛应用于诊断心血管疾病的工具，其具有数据量大、对噪声敏感、分析难度大的特点。心脏病专家关于心电信号的研究对心率不齐的诊断至关重要。然而，这将完全依靠医生的经验来诊断并将耗费大量时间。因此，基于计算机技术的心律不齐信号识别分类成为了一个主要的研究方向。

目前，虽然有许多方法可以用于心电信号的分析和分类，如传统的机器学习、深度学习，尤其是卷积神经网络(CNN)，但是传统的机器学习方法只使用了浅层分类器或手动提取特征，并且在提取合适的特征的过程中需要专业知识，也需要花费大量的时间，且面临着所选特征不鲁棒的问题。在深度学习方法中，使用传统的交叉检验算法从整个数据集中随机划分为训练集和测试集，训练集和测试集的数据可能来自于同一个病人，即训练集和测试集并不独立，这样一来将会出现过拟合问题。

综上所述，尚没有一种基于卷积神经网络的心电信号处理方法和基于卷积神经网络识别心律不齐信号的系统。

发明内容

为了解决现有技术的不足，本公开提供了基于CNN的心电信号处理方法及心律不齐检测系统，它使用卷积神经网络(CNN)的方法对心电信号进行处理，能够自动提取合适的特征并基于不同的记录检测不同类型的心电信号。

第一方面，本公开提供了基于CNN的心电信号处理方法；

基于CNN的心电信号处理方法，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。

进一步地，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。

应理解的，将连续的心电信号分离成单个心跳信号，每个单个心跳信号通过采样得到N个点，之所以这样预处理的好处是：心电信号具有周期性，这样将一段长信号分离成单个的心跳信号，既保留了信号的有效信息，还减小了运算量。