[发明专利]基于改进卷积神经网络的识别心律类型的方法

说明书

本申请涉及一种基于改进卷积神经网络的识别心律类型的方法、计算机设备及存储介质。方法包括采用预先训练好的神经网络对心电信号进行识别，以识别出该心电信号对应的心律类型，确定其是否为房颤。预先训练好的神经网络采用损失函数为：的卷积神经网络，使用该损失函数可以使卷积神经网络在训练时加大对假阴性的惩罚，从而实现保证准确率的前提下，降低漏检率，提高准确性。

技术领域

本申请属于心电图处理技术领域，尤其是涉及一种基于改进卷积神经网络的识别心律类型的方法。

背景技术

心电图(ECG)是从体表记录心脏每一心动周期所产生的电活动变化形成的图形。通过心电图可以表征出人的多种心脏疾病。其中心房颤动(简称房颤)是最常见的持续性心律失常。房颤目前分类没有统一，对房颤的识别也较为复杂。

卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)。近些年，利用卷积神经网络等神经网络来识别心电图中的房颤类型得到了越来越多的应用。比如徐晓艳的硕士论文《基于机器学习的房颤识别算法研究》中，明确记载了使用卷积神经网络进行房颤识别的方法。韩小岑的硕士论文《基于心房活动特征和卷积神经网络的房颤检测》中，也对使用卷积神经网络进行房颤识别的方法进行了研究，然而这些论文中均是将现有的卷积神经网络直接应用在房颤识别上，没有针对房颤的识别进行任何优化，这导致其对心电图中房颤识别的准确率不能进一步提高。

发明内容

本发明要解决的技术问题是：为解决现有技术中对心电图中房颤识别的准确率较低、漏检率较高的不足，从而提供一种对心电图中房颤识别的准确率高、漏检率低的基于改进卷积神经网络的识别心律类型的方法。

本发明解决其技术问题所采用的技术方案是：

一种基于改进卷积神经网络的识别心律类型的方法，包括以下步骤：

获取待识别的心电信号；

对所述心电信号进行预处理，得到满足识别要求的心电信号；

将预处理后的心电信号输入至预先训练的神经网络进行识别，输出所述心电信号对应的心律类型，其中，所述神经网络采用损失函数为：的卷积神经网络，其中，c表示损失大小，n表示样本个数，x为样本，y为样本x对应的标签，a为通过以样本x为输入并且用当前的神经网络计算出的输出大小，α,β均为正则化系数。

优选地，本发明的基于改进卷积神经网络的识别心律类型的方法，所述损失函数中α＝0.8-0.9,β＝1.1-1.2。

优选地，本发明的基于改进卷积神经网络的识别心律类型的方法，所述神经网络包括1个输入层、多个卷积层和池化层、1个全连接层以及1个分类器层。

优选地，本发明的基于改进卷积神经网络的识别心律类型的方法，对所述心电信号进行预处理时，采用预设截止频率的滤波器对所述心电信号进行滤波处理。

优选地，本发明的基于改进卷积神经网络的识别心律类型的方法，对所述心电信号进行预处理，包括：

判断所述心电信号的采样频率是否为预设频率；

当所述采样频率不是所述预设频率时，采用内插法将所述心电信号重采样为所述预设频率的心电信号。

优选地，本发明的基于改进卷积神经网络的识别心律类型的方法，所述预先训练的神经网络通过以下步骤得到：

S31：获取训练数据库，训练数据库为已知为房颤或非房颤的心电数据；

S32：对心电数据进行预处理；