[发明专利]一种基于深度神经网络的心肌梗死心电图的筛查方法

权利要求书

1.一种用于心肌梗死心电图筛查的深度神经网络构建方法，其特征在于，所述方法包括以下步骤：

步骤一，对原始心电图像进行预处理，去除网格框；

心电图预处理的过程为：将图像转换为灰度图，对灰度图进行按位取反操作，再进行自适应阈值，即图像不同区域采用不同的阈值，得到二值化标签图像，对其进行形态学闭运算操作，减少独立噪声，填充连通区域的孔洞，与原图像进行add操作，获得去除网格框的图像；

步骤二，对步骤一中的图像进行中值滤波处理，消除去除网格框后留下椒盐噪点；

步骤三，通过直方图均衡化方法增强对比度，缩放心电图将尺寸统一为224*224，并将数据归一化为[0,1]；

步骤四，构建深度神经网络，并利用ECG训练集进行训练，得到能够诊断是否患有心肌梗死的二分类神经网络；

深度神经网络架构由1个卷积层，1个最大池化层，4个残差卷积模块，1个平均池化层，1个全连接层组成，每个卷积层后都对特征进行标准化操作，提高训练速度，并经过ReLU激活函数，提高网络的非线性表达；每个残差卷积模块内包含两个卷积层和一个快捷支路，快捷支路起点为输入，终点为第二个卷积层后的加操作，使得输入特征可以直接和第二个卷积层提取的特征进行数值相加；最后一个全连接层的输出尺寸为2，对应筛查结果的二分类，所述二分类是心肌梗死心电图或非心肌梗死心电图。

2.如权利要求1所述的一种用于心肌梗死心电图筛查的深度神经网络构建方法，其特征在于：所述步骤一中，所述步骤一中，对于自适应阈值中采用自适应高斯方法，自适应阈值T(x,y)的计算过程为：

步骤1.1(x，y)周围像素到其中心点的距离通过高斯函数得到对应权值；

步骤1.2计算每个像素周围(15×15)大小像素块的加权均值并减去常量10得到阈值T(x,y)。

3.如权利要求1所述的一种用于心肌梗死心电图筛查的深度神经网络构建方法，其特征在于：所述步骤一中，H,W分别表示灰度图像的高和宽，scale表示结构元素的缩放因子，网格框去除的过程为：

step1.1在自适应阈值后的图像中，通过闭操作及结构元素cv2.MORPH_RECT和大小为识别出横线；

step1.2在自适应阈值后的图像中，通过闭操作及结构元素cv2.MORPH_RECT和大小为识别出竖线；

step1.3通过step1.1和step1.2得出的图像，进行融合，即提取原图像中网格部分；

step1.4将step1.3得出的图像和原图像进行加操作。

4.如权利要求1～3之一所述的一种用于心肌梗死心电图筛查的深度神经网络构建方法，其特征在于：所述步骤四中，构建卷积神经网络的过程为：

步骤4.1输入一组大小为224*224*3的心电图图像；

步骤4.2先经过7*7大小的卷积操作，随后进行batch normalization，Relu激活函数操作；

步骤4.3经过MaxPooling操作，提取主要特征；

步骤4.4提取的特征经过残差卷积模块，该模块包括2组3*3的卷积操作和batchnormalization；

步骤4.5：重复步骤3.3三次，再经过7*7大小的平均池化；

步骤4.6：将上述特征通过全连接层FullyConnectedLayer和Softmax函数，最后得到输出二分类结果。