[发明专利]一种心电信号中P波识别方法和系统

权利要求书

1.一种心电信号中P波识别方法，其特征在于，包括：

S1、获取原始心电信号，并标记原始心电信号中P波的位置；

S2、采用滑动切分将原始心电信号切分为多条等长的小片段，并对所述小片段进行标记数值设置；

步骤S2，具体包括：

采用滑动切分将每一条原始心电信号切分为多条等长的小片段，记为T_j，若T_j中有P波位置标记，则设置T_j对应的标记数值L_j=1，否则，即设置T_j对应的标记数值L_j=0；

S3、构建深度神经网络模型，并输入标记数值设置后的小片段对深度神经网络模型进行训练，得到目标深度神经网络模型；

步骤S3，具体包括：构建深度神经网络模型F，输入T_j，输出T_j中包含P波的预测概率y_j，y_j为0或1；定义目标函数，其中，m=n/d，n为原始心电信号长度，d为滑动切分的步长，m为预设值，若L_j=1，CrossEntropy(L_j,y_j)＝-log(y_j)，若L_j=0，CrossEntropy(L_j,y_j)＝-log(1-y_j)；再度量L_j和y_j之间的差异，并求解Loss的最优化，通过梯度下降法优化深度神经网络模型参数，将计算的梯度反向传播，并在反向传播的过程中更新网络参数，以此对F进行多轮迭代训练，得到目标深度神经网络模型；

S4、将测试心电信号输入目标深度神经网络模型中，输出测试心电信号中P波的位置；

步骤S4，具体包括：

输入测试心电信号X，根据QRS波群识别算法识别出测试心电信号中每次心搏的位置；

根据所述每次心搏的位置将X切分为连续的心搏片段信号B；

采用滑动切分将B切分为多条等长的小片段，记为Q_i；

将不同的Q_i分别输入目标深度神经网络模型中，得到不同的预测概率值，取最大概率值对应的小片段的位置作为测试心电信号中P波的位置并输出。

2.一种心电信号中P波识别系统，其特征在于，包括：

标记模块，用于获取原始心电信号，并标记原始心电信号中P波的位置；

预处理模块，与标记模块连接，预处理模块用于采用滑动切分将原始心电信号切分为多条等长的小片段，并对所述小片段进行标记数值设置；

模型构建训练模块，与预处理模块连接，模型构建训练模块用于构建深度神经网络模型，并输入标记数值设置后的小片段对深度神经网络模型进行训练，得到目标深度神经网络模型；

位置预测模块，与模型构建训练模块连接，预测模块用于将测试心电信号输入目标深度神经网络模型中，输出测试心电信号中P波的位置；

所述预处理模块，具体用于：

采用滑动切分将每一条原始心电信号切分为多条等长的小片段，记为T_j，若T_j中有P波位置标记，则设置T_j对应的标记数值L_j=1，否则，即设置T_j对应的标记数值L_j=0；

所述模型构建训练模块，具体用于：

构建深度神经网络模型F，输入T_j，输出T_j中包含P波的预测概率y_j，y_j为0或1；

定义目标函数，其中，m=n/d，n为原始心电信号长度，d为滑动切分的步长，m为预设值，若L_j=1，CrossEntropy(L_j,y_j)＝-log(y_j)，若L_j=0，CrossEntropy(L_j,y_j)＝-log(1-y_j)；

再度量L_j和y_j之间的差异，并求解Loss的最优化，通过梯度下降法优化深度神经网络模型参数，将计算的梯度反向传播，并在反向传播的过程中更新网络参数，以此对F进行多轮迭代训练，得到目标深度神经网络模型；

所述位置预测模块，具体用于：

输入测试心电信号X，根据QRS波群识别算法识别出测试心电信号中每次心搏的位置；

根据所述每次心搏的位置将X切分为连续的心搏片段信号B；

采用滑动切分将B切分为多条等长的小片段，记为Q_i；

将不同Q_i分别输入目标深度神经网络模型中，得到不同的预测概率值，取最大概率值对应的小片段的位置作为测试心电信号中P波的位置并输出。