[发明专利]基于卷积神经网络的心拍类型识别方法和装置

说明书

本申请涉及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和装置，通过先行计算心拍的平均值x_avg，最大值x_MAX，最小值x_MIN，峰值x_F，和峭度值x_Q，是否符合条件，来判断生成基于样本分布改进的卷积神经网络模型中的训练用的心拍数据是否符合样本分布，当中成立的个数小于3个时，则认为模型所使用的训练数据不符合样本分布，将训练数据中没有覆盖到的数据确定为“无法判断的类型”，以此减少心拍类型的误判。

技术领域

本申请属于人工神经网络在心跳类型筛选技术领域，尤其是涉及一种基于卷积神经网络的心拍类型识别方法和装置。

背景技术

心电信号是心脏的无数心肌细胞电活动的综合反映。正常情况下，窦房结、心房、心室的心肌细胞依次除极，形成一个包含一段P波，QRS波，T波的信号段的心拍，多个心拍组合形成一段心电信号。室性早搏心拍指的是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所形成的心拍。从一段长时间的心电信号中筛查出所有室性早搏心拍对判别病人情况极为重要，但又耗时耗力，因此利用计算机筛查出心电信号中的室早心拍意义重大。然而由于心脏内可以发出电冲击的位置很多，电冲击位置不同时，所展示出的心拍形状不同，而且存在很多干扰，因此在对心拍进行分类时，想要找到所有的室早心拍以及“其他”类型心拍的模式和数据对深度学习模型进行训练几乎是不可能的，因而容易导致对心拍类型的误判。

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，从而提供一种基于样本分布改进的卷积神经网络及应用于心跳类型识别。

本发明解决其技术问题所采用的技术方案是：

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，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；