[发明专利]基于卷积神经网络的心拍类型识别方法和装置

权利要求书

1.一种基于样本分布改进的卷积神经网络的心拍类型识别方法，其特征在于，包括以下步骤：

步骤S1：采集未知类型的12导联心电信号中的II导联心拍信号中的心拍，计算该心拍的平均值x_avg，最大值x_MAX，最小值x_MIN，峰值x_F，和峭度值x_Q；

步骤S2：判断中成立的个数；

步骤S3：如果步骤S2中有3个及以上成立则输入到基于样本分布改进的卷积神经网络模型来判断心拍类型，否则认为未知类型的心拍是“无法判断的类型”；

步骤S4：当基于样本分布改进的卷积神经网络模型的输出值接近a时，认为未知类型的心拍为室早心拍；输出值接近b时，认为未知类型的心拍为非室早心拍信号；

基于样本分布改进的卷积神经网络模型通过以下方法训练得到：

步骤S31：收集标记好的12导联心电信号中的II导联心拍信号充分多条形成训练数据，II导联心拍信号包括各占总数量一半的室早心拍信号和非室早心拍信号，将室早心拍信号的标签设置为a，非室早心拍信号的标签设置为b；

步骤S32：将训练数据及其对应的标签输入到卷积神经网络进行训练，得到样本分布改进的卷积神经网络模型；

步骤S2中的σ_avg，σ_MAX，σ_MIN，σ_F，σ_Q的值通过以下方法得到：对收集到的训练数据中的所有心拍数据进行统计，统计出每个心拍数据的均值、最大值、最小值、峰值和峭度值分别形成均值数组AVG＝{a1,a2,a3…aN}、最大值数组MAX＝{m1,m2,m3…mN}、最小值数组MIN＝{c1,c2,…cN}、峰值数组F＝{f1,f2,…fN}和峭度值数组Q＝{q1,q2,…qN}，求取均值数组、最大值数组、最小值数组、峰值数组和峭度值数组的均值和均方差值分别记为σ_avg，σ_MAX，σ_MIN，σ_F，σ_Q；

对每个训练数据中的所有心拍数据均进行以下判断：获取其中成立的个数，将训练数据中小于3个成立条件的心拍数据剔除后形成新的训练数据，重复计算新的训练数据中每个心拍数据的均值、最大值、最小值、峰值和峭度值分别形成均值数组、最大值数组、最小值数组、峰值数组和峭度值数组，再次分别求取均值数组、最大值数组、最小值数组、峰值数组和峭度值数组的均值和均方差值，重复判断成立条件个数并剔除小于3个成立条件的心拍数据，直到训练数据不再发生改变。

2.根据权利要求1所述的基于样本分布改进的卷积神经网络的心拍类型识别方法，其特征在于，II导联心拍信号的采样频率500Hz，并经过0.5-100Hz的巴特沃兹带通滤波器进行滤波。

3.根据权利要求1或2所述的基于样本分布改进的卷积神经网络的心拍类型识别方法，其特征在于，每个心拍信号为从R波波峰之前的0.38s到R波波峰之后0.5s之间的心电图信号。