[发明专利]定位R波位置的方法及系统、使用LSTM神经网络的R波自动检测方法

权利要求书

1.一种定位R波位置的方法，其特征在于，步骤如下：

训练模型对测试心电数据进行R波候选区间提取，得到测试数据被检测为R波的预测概率分布；

将R波的预测概率分布转变为多个R波区间；

将R波区间转变为R波位置点；

筛选R波位置点以定位R波；其具体步骤如下：

（1）对输入数据重采样：将数据统一采样为360HZ，采用k=(s2-s1)/(t2-t1)，b=s1-k*t1，v=k*t+b迭代计算采样点；其中：t1和t2为原始数据采样时间，t1为前一个时间采样，t2为后一个时间采样，s1和s2为原始的采样数据，s1为t1对应的采样数据，s2为t2对应的采样数据，k为计算出的斜率，b为计算出的截距，t为重采样的任一采样时间，v为t时间对应的重采样数据；

（2）对数据进行筛选：在MIT-BIH数据的训练集标记中删除：

嘈杂的心拍：“~”，无法分类的心拍：“Q”，单个伪心拍：“|” ，节律心拍：“+”；

（3）每一个R波位置标记为一个点：使用QRS波群特征，将单一的R波标记点的前后7~13个位置点作为监督学习区域；

（4）滤波去躁：使用快速中值滤波器提取基线，再使用低通滤波器消除高频噪声；

（5）按节拍分割数据点：对数据点进行分帧，每帧至少包括一个心电周期，如果相邻两帧之间不重叠，可能会发生跳变，损失特征信息，在两帧之间内插一部分数据点，使相邻两帧有重叠部分，每一帧取500个采样点，帧与帧间有50个重叠的点，最后一帧不足600采样点的用0进行补偿；

（6）对数据进行归一化处理：把所有心电数据归一化到均值为0、方差为1的分布中，消除原始心电数据存在的极值端对网络学习的影响。

2.如权利要求1所述的定位R波位置的方法，其特征在于，将R波区间转变为R波位置点，其具体方法是：预测的R波区间值为1，非R波区间为0，由此定位出每一个R波区间对应的初始位置和结束位置，在定位的R波的区间内，搜索区间所对应的原始数据各点的梯度，R波区间内可能包含多个波峰和波谷，R波区间内的R波位置处陡峭，上升和下降速度最快，R波区间内的其他波峰和波谷属于QRS波群前后位置，上升和下降的速度没有R波位置处快，因而找到最大梯度值和最小梯度值来定位R波位置。

3.如权利要求2所述的定位R波位置的方法，其特征在于，通过梯度跟踪定位R波位置的步骤为：以每一个R波区间为单元，计算单元内后一个点与前一个点的梯度值，保存到一个列表中，在列表中找到最大梯度的索引和最小梯度的索引，R波位置定位在梯度最大和最小值的中间位置，依次计算出每一个区间中R波的位置。

4.如权利要求1所述的定位R波位置的方法，其特征在于，训练模型对测试心电数据进行R波候选区间提取的方法是：将训练数据预处理筛选，输入LSTM网络模型训练，LSTM网络模型使用一层LSTM网络加一个全连接层，优化器是adam，学习率是0.0001，选择损失函数binary_crossentropy进行网络训练，当LSTM网络模型在验证集上的精度超过100个epoch并不再提高时，训练停止，得到LSTM最优模型可进行R波区间的定位预测，将测试心电数据送给训练好的LSTM最优模型进行R波候选区间提取。