[发明专利]用于室早心跳定位的神经网络训练方法及卷积神经网络

说明书

本申请涉及一种基于改进卷积神经网络的室早心跳定位方法和装置，将获取心电图信号以步长为0.015‑0.025s、长度为0.4‑0.8s的滑动窗截取心电图信号形成截取段，并以此来训练卷积神经网络形成室性早搏心跳判断模型，0.4‑0.8s正好对应一个心跳周期的长度，设置步长为0.015‑0.025s可以有效避免R波的影响，满足对室性早搏心跳判断精度的同时又有利于减小计算量。

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室性早搏心跳定位方法和装置。

背景技术

在窦房结冲动尚未抵达心室之前，由心室中的任何一个部位或室间隔的异位节律点提前发出电冲动引起心室的除极，称为室性期前收缩，简称室早。虽然见于正常健康人的偶发性室早在临床上并没有重要意义，但在检测者患有器质性心脏病的情况下，则必须结合临床病症和病史，根据不同情况进行分析并给予必要的治疗。尤其对于病人的动态心电图监护，更是需要挑选出室早并对其数量进行统计。

针对室早心跳的自动化诊断，国内外已经出现许多具有指导意义的成果，常用的技术路线是首先进行R波检测，然后再对该心跳进行诊断。这类方法的诊断准确度不仅与心跳诊断算法有关，而且受到R波检测算法的影响，因此导致诊断方法复杂、准确率低等诸多弊端。

中国专利文献CN108511055A，公开了一种基于分类器融合及诊断规则的室性早搏识别系统及方法，采用导联卷积神经网络和递归神经网络两个分类器来对室性早搏进行识别，然而该申请无法避免R波检测对室性早搏识别精度的影响，且该申请的技术方案无法获取室性早搏的起始时间。

发明内容

本发明要解决的技术问题是：为解决现有技术中的不足，从而提供一种在无需使用R波检测算法的前提下筛选出室早心跳并给出其发生时间的神经网络训练方法及卷积神经网络。

本发明解决其技术问题所采用的技术方案是：

一种用于室早心跳定位的改进卷积神经网络训练方法，包括以下步骤：

S1：获取已知为室性早搏心跳和均匀类型的其他心跳的心电图信号；

S2：以步长为0.015-0.025s、长度为0.4-0.8s的滑动窗截取心电图信号形成截取段；

S3：将每个心电图信号导入输出到卷积神经网络中对卷积神经网络进行训练，每个心电图信号均包括所有的截取段，得到用于室性早搏心跳定位的改进卷积神经网络，所述改进卷积神经网络的输出值为一段连续值。

优选地，本发明的用于室早心跳定位的改进卷积神经网络训练方法，S1步骤中，还对心电数据进行预处理，预处理时，对心电数据采用上下截止频率分别为0.1Hz、100Hz的fir滤波器进行滤波。

优选地，本发明的用于室早心跳定位的改进卷积神经网络训练方法，S1步骤中，若心电信号采样频率不是500Hz时，则采用最邻近内插法将心电信号重采样为500Hz。

优选地，本发明的用于室早心跳定位的改进卷积神经网络训练方法，已知为室性早搏心跳的心电图信号为一万条以上，已知为其他类型心跳的心电图信号为一万条以上。

优选地，本发明的用于室早心跳定位的改进卷积神经网络训练方法，S2步骤中长度为0.6s，步长为0.02s。