[发明专利]心电信号波形的检测研究方法在审
申请号: | 202011097680.5 | 申请日: | 2020-10-14 |
公开(公告)号: | CN112137611A | 公开(公告)日: | 2020-12-29 |
发明(设计)人: | 王永涛;薛汝成 | 申请(专利权)人: | 山东平伟医疗技术有限公司 |
主分类号: | A61B5/0402 | 分类号: | A61B5/0402;A61B5/00;G06K9/00;G06K9/62;G06N3/08 |
代理公司: | 山东高景专利代理事务所(特殊普通合伙) 37298 | 代理人: | 高小荷 |
地址: | 250000 山东省济南市高新区大正路1*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电信号 波形 检测 研究 方法 | ||
1.心电信号波形的检测研究方法,其特征在于:包括以下步骤:
步骤一:心电信号类型的选择,深度神经网络参数是根据预先设计的学习规则对输入的心电样本进行学习,不断优化得到的,因此要选择合适的心电信号类型送入网络中进行学习训练;
步骤二:心电信号特征选择,利用现有算法提取心电特征会在提取过程中造成心电特征信息损失,完整的心拍中保留了心电信号中所有的信息;
步骤三:深度神经网络学习参数设置,深度神经网络的学习率、网络误差等学习参数的设置对网络训练有着至关重要的影响,在网络设计过程中要对学习率、网络误差的选择进行优化。
2.根据权利要求1所述的心电信号波形的检测研究方法,其特征在于:所述步骤二中还包括利用深度神经网络对完整心拍自学习避免了特征提取过程中的心电信息损失,有利于优化深度神经网络的参数,提高网络对ECG信号的识别率。
3.根据权利要求1所述的心电信号波形的检测研究方法,其特征在于:所述步骤三中的深度神经网络对心电信号识别分类包括:
A:在软件平台上读取标注好的心电数据库中的ECG信号;
B:数据库中的心电信号带有干扰噪声,影响自适应差分阈值法对心电信号中R波的准确检测,采用双重滤波对心电信号进行去噪,心电信号滤波去噪有利于心电识别分类过程中避免噪声的干扰,提高心电信号识别分类率;
C:合适的心电特征更能表达心电信号信息,心电信号特征信息保留在完整的心拍中;
D:采用一折交叉验证法对深度神经网络进行训练和测试。
4.根据权利要求3所述的心电信号波形的检测研究方法,其特征在于:在分类A中,训练样本的选择对深度神经网络的训练至关重要,若选择的训练样本数目较少,则深度神经网络对心拍特征不能够充分学习,容易造成神经网络对心电信号识别率低,深度神经网络的训练需要大量实验样本,因此,选择数据库中样本数目较多的八种心电信号:正常心电信号、完全左束支传导阻滞、完全右束支传导阻滞、室性早搏、起搏心率、房性早搏、房颤、一阶房室传导阻滞。
5.根据权利要求3所述的心电信号波形的检测研究方法,其特征在于:在分类B中,常规的阈值函数一般有两种,其一主要是软阈值函数,其二主要是硬阈值函数。
6.根据权利要求3所述的心电信号波形的检测研究方法,其特征在于:在分类C中,根据网络的误差反向传播,在训练过程中每经过一个批次,网络进行一次参数优化,待网络实际输出误差达到预先设置网络误差时,神经网络训练结束,将测试组数据输入深度神经中检验网络识别心电信号的性能。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东平伟医疗技术有限公司,未经山东平伟医疗技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011097680.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种塑料瓶再回收用预处理装置
- 下一篇:一种接触面积可测量式车辆把手