[发明专利]心电信号的监测方法、系统、装置及介质

说明书

本发明提供心电信号的监测方法、系统、装置及介质，方法步骤包括获取心电信号样本，根据心电信号样本进行分割，得到心电图信号样本和心脏搏动周期特征；根据心电图样本信号进行小波变换得到小波特征；将心电图信号样本、心脏搏动周期特征以及小波特征输入至第一模型，得到心律失常类别；将心电图信号样本、心脏搏动周期特征以及小波特征输入至第二模型，得到预测数据数组；结合心律失常类别以及预测数据数组进行可视化展示；提供的由小波变换和两个学习模型所构建的新型架构相比现有的ECG信号分类预测的方法的性能更高，同时也实现了模型的轻量化，并能够实现离线处理，节省了大量成本，可广泛应用于信号分析处理技术领域。

技术领域

本发明属于信号分析处理技术领域，尤其是心电信号的监测方法、系统、装置及介质。

背景技术

心电图（electrocardiogram，ECG）是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形的技术。ECG信号具有平稳特性，在现有技术中，存在大量根据ECG信号进行心律不齐等其他心电信号异常的情况。但现有的基于ECG信号的分类预测的方法不能够实时进行数据处理，若需要实现信号的实时处理需要借助云端或服务器的计算资源；现有的分类预测方法无法实现离线处理，并且使用大型模型，运维工作复杂，成本较高。

发明内容

有鉴于此，为至少部分解决上述技术问题之一，本发明实施例目的在于提供一种轻量化并且能够实现离线处理的心电信号的监测方法；同时本发明还提供能够对应实现该方法的系统、装置以及计算机可读存储介质。

第一方面，本发明实施例提供了心电信号的监测方法，其包括以下步骤：

获取心电信号样本，根据所述心电信号样本进行分割，得到心电图信号样本和心脏搏动周期特征；

根据所述心电图样本信号进行小波变换得到小波特征；

将所述心电图信号样本、所述心脏搏动周期特征以及所述小波特征输入至第一模型，得到心律失常类别；

将所述心电图信号样本、所述心脏搏动周期特征以及所述小波特征输入至第二模型，得到预测数据数组；

结合所述心律失常类别以及所述预测数据数组进行可视化展示。

在本发明的一些实施例中，所述根据所述心电图样本信号进行小波变换得到小波特征这一步骤，其包括：

将所述心电图样本信号进行离散化处理得到离散信号；

对所述离散信号进行经验模态分解得到第一高频信息和第一低频信息；

根据所述第一高频信息和所述第一低频信息提取得到小波特征，所述小波特征包括：时域特征和频域特征。

在本发明的一些实施例中，所述第一模型包括第一分支模型和第二分支模型，所述将所述心电图信号样本、所述心脏搏动周期特征以及所述小波特征输入至第一模型，得到心律失常类别这一步骤，其包括：

将所述心电图信号样本和所述心脏搏动周期特征输入至所述第一分支模型，得到第一特征数组；

将所述心脏搏动周期特征和所述小波特征输入至所述第二分支模型，得到第二特征数组；

结合所述第一特征数据和所述第二特征数组，通过全连接神经网络得到所述心律失常类别。

在本发明的一些实施例中，所述将所述心电图信号样本、所述心脏搏动周期特征以及所述小波特征输入至第二模型，得到预测数据数组这一步骤，其包括：

根据所述心电图信号样本生成下采样集合；

根据所述下采样集合以及所述小波特征通过主成分分析得到第三特征数组；

将所述第三特征数组通过所述第二模型中的循环神经网络得到所述预测数据数组。