[发明专利]信号处理方法、信号处理装置、医学设备、存储介质

说明书

一种信号处理方法、信号处理装置、医学设备和存储介质。信号处理方法，包括：获取输入心电信号；对输入心电信号进行第一动态过采样处理，以得到多个中间心电信号，其中，多个中间心电信号的长度相同，第一动态过采样处理包括根据输入心电信号的长度确定与输入心电信号对应的动态采样步长；分别对多个中间心电信号进行处理，以得到多个预测标签，其中，多个预测标签与多个中间心电信号一一对应；根据多个预测标签，确定与输入心电信号对应的目标心律类型。

技术领域

本公开的实施例涉及一种信号处理方法、信号处理装置、医学设备和存储介质。

背景技术

心房颤动(简称房颤，atrial fibrillation(AF))是常见的持续性心律失常。房颤检测的临床价值很高，但由于房颤具有阵发性等原因，房颤检测仍存在一些问题。房颤检测获得学术界的广泛关注，从而房颤自动检测算法成为当前的一个研究热点。探索高可信的房颤智能分析技术，不仅能够能为医生及时诊断和发现患者(特别是重症监护患者和运动康复患者)房颤的发生提供辅助决策支持，还能帮助患者通过可穿戴设备的自动监测识别及时发现房颤(尤其是无症状房颤)的发生，减少心脏性猝死等危及生命情况的发生，具有重要的临床价值。

发明内容

本公开至少一个实施例提供一种信号处理方法，包括：获取输入心电信号；对所述输入心电信号进行第一动态过采样处理，以得到多个中间心电信号，其中，所述多个中间心电信号的长度相同，所述第一动态过采样处理包括根据所述输入心电信号的长度确定与所述输入心电信号对应的动态采样步长；分别对所述多个中间心电信号进行处理，以得到多个预测标签，其中，所述多个预测标签与所述多个中间心电信号一一对应；根据所述多个预测标签，确定与所述输入心电信号对应的目标心律类型。

例如，在本公开至少一个实施例提供的信号处理方法中，对所述输入心电信号进行第一动态过采样处理，以得到多个中间心电信号，包括：确定采样窗口，其中，每个所述中间心电信号的长度与所述采样窗口的长度相同；根据所述采样窗口和所述输入心电信号的长度，确定所述动态采样步长；根据所述动态采样步长和所述采样窗口，对所述输入心电信号进行所述第一动态过采样处理，以得到所述多个中间心电信号。

例如，在本公开至少一个实施例提供的信号处理方法中，根据所述采样窗口和所述输入心电信号的长度，确定所述动态采样步长，包括：根据所述输入心电信号的长度和所述采样窗口的长度，确定分段数量，其中，所述多个中间心电信号的数量与所述分段数量相同；根据所述输入心电信号的长度、所述采样窗口的长度和所述分段数量，确定所述动态采样步长。

例如，在本公开至少一个实施例提供的信号处理方法中，所述分段数量表示为：n＝floor(L/Lf)+1，其中，n为正整数，且n表示所述分段数量，L表示所述输入心电信号的长度，Lf表示所述采样窗口的长度，floor表示向下取整函数；所述动态采样步长表示为：s＝floor(Lf-(n*Lf-L)/(n-1))，其中，s表示所述动态采样步长，且s为正整数。

例如，在本公开至少一个实施例提供的信号处理方法中，分别对所述多个中间心电信号进行处理，以得到多个预测标签，包括：对于所述多个中间心电信号中的每个中间心电信号，对该中间心电信号进行处理，以得到与所述中间心电信号对应的多个整体趋势特征；根据所述多个整体趋势特征确定与所述中间心电信号对应的预测标签，从而得到与所述多个中间心电信号一一对应的所述多个预测标签。

例如，在本公开至少一个实施例提供的信号处理方法中，对该中间心电信号进行处理，以得到与所述中间心电信号对应的多个整体趋势特征，包括：利用第一神经网络对所述中间心电信号进行处理，以得到与所述中间心电信号对应的多个局部特征；利用第二神经网络对所述多个局部特征进行处理，以得到与所述中间心电信号对应的所述多个整体趋势特征。

例如，在本公开至少一个实施例提供的信号处理方法中，所述第一神经网络为卷积神经网络，所述第二神经网络为长短期记忆模型网络。