[发明专利]基于改进卷积神经网络的室性早搏心跳定位方法和装置

权利要求书

1.一种基于改进卷积神经网络的室性早搏心跳定位方法，其特征在于，包括以下步骤：

S1：获取心电图信号；

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S2步骤中一段心电图信号截取的所有的截取段导入输出值为一连续值的室性早搏心跳判断模型中进行判断，若室性早搏心跳判断模型中有输出大于连续值的中点值时，则认为该心电信号中具有室性早搏心跳，且室性早搏心跳的起始时刻为输出值超过连续值的中点值的局部最大值的时刻，若无大于连续值的中点值，则认为心电信号中没有室性早搏心跳，所述室性早搏心跳判断模型为经过训练的卷积神经网络，且训练所使用的心电图信号以步长为0.015-0.025s、长度为0.4-0.8s的滑动窗截取而形成截取段。

2.根据权利要求1所述的基于改进卷积神经网络的室性早搏心跳定位方法，其特征在于，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，如果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。

3.根据权利要求1或2所述的基于改进卷积神经网络的室性早搏心跳定位方法，其特征在于，S2步骤中长度为0.6s，步长为0.02s。

4.根据权利要求1-3任一项所述的基于改进卷积神经网络的室性早搏心跳定位方法，其特征在于，S3步骤中，对卷积神经网络进行训练时采用至少1万个室性早搏心跳和至少1万个均匀类型的其他心跳作为训练数据进行训练，其中，所使用的训练算法可以采用现有的任意训练算法均可；卷积神经网络由包含一个分类器层的8层网络组成；其中8层网络中第1-6层为layer1-layer6，均由一个卷积层和一个池化层组成；layer1中卷积层包含5个核，卷积核大小均为224，layer1中池化层中的步长和核大小均为2；layer2卷积层包含5个核，卷积核大小均为112，layer2中池化层中的步长和核大小均为2；layer3卷积层包含10个核，卷积核大小均为100，layer3中池化层中的步长和核大小均为2；layer4卷积层包含10个核，卷积核大小均为50，layer4中池化层中的步长和核大小均为2；layer5卷积层包含10个核，卷积核大小均为48，layer5中池化层中的步长和核大小均为2；layer6卷积层包含10个核，卷积核大小均为24，layer6中池化层中的步长和核大小均为2；全连接层layer7的输入层神经元个数与layer6的输出特征个数一致，输出层神经元个数为30个，因此经过计算后输出30个特征；以该30个特征作为分类器层layer8的输入层神经元的输入，输出层神经元个数为10个；分类器的输入层神经元个数为10个，输出层神经元个数为1个，输出值为[0,1]中间的任意值。

5.根据权利要求4所述的基于改进卷积神经网络的室性早搏心跳定位方法，其特征在于，全连接层layer7的输出特征与该心跳与心电图中的上一心跳之间的该心跳序列的峭度值、偏度值组成32个特征一起作为分类器层layer8的输入。

6.一种基于改进卷积神经网络的室性早搏心跳定位装置，其特征在于，包括：

心电图信号获取模块：用于获取心电图信号；

截取模块：用于以步长为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；

判断模块：将截取模块中一段心电图信号截取的所有的截取段导入输出值为一连续值的室性早搏心跳判断模型中进行判断，若室性早搏心跳判断模型中有输出大于连续值的中点值时，则认为该心电信号中具有室性早搏心跳，且室性早搏心跳的起始时刻为输出值超过连续值的中点值的局部最大值的时刻，若无大于连续值的中点值，则认为心电信号中没有室性早搏心跳，所述室性早搏心跳判断模型为经过训练的卷积神经网络，且训练所使用的心电图信号以步长为0.015-0.025s、长度为0.4-0.8s的滑动窗截取而形成截取段。