[发明专利]基于残差神经网络的冠心病心电图筛查系统及方法

权利要求书

1.一种基于残差神经网络的冠心病心电图筛查系统，其特征在于，包括：

心电信号处理模块：提取心电图机产生心电信号，使用symlets4小波对心电信号进行多层分解去噪，寻找心电信号转换的心电序列数据中R波的位置，并以其为基准进行心拍分割；

深度特征提取模块：针对经过心电信号处理模块处理过的数据进行平移和缩放来数据增强，并使用包含挤压和激励网络模块的ResneXt50网络提取十二导联心电图的深度特征；

树形模型预测模块：将深度特征提取模块提取的深度特征与心电图机数据进行结合，输入训练好的XGBoost模型得到心电图中出现冠心病心电特征的预测概率。

2.根据权利要求1所述的基于残差神经网络的冠心病心电图筛查系统，其特征在于，所述心电信号处理模块使用symlets4小波对心电信号进行多层分解去噪时，将尺度为1、6和7的系数置为零的方式去除漂移、肌电和工频噪声。

3.根据权利要求1所述的基于残差神经网络的冠心病心电图筛查系统，其特征在于，所述深度特征提取模块中，使用包含挤压和激励网络模块的ResneXt50网络提取特征时，在全连接层之前同时采用平均池化和最大池化操作。

4.根据权利要求1所述的基于残差神经网络的冠心病心电图筛查系统，其特征在于，使用所述树形模型预测模块时，只需将心电图可扩展标记语言文件放到程序指定位置，先经过神经网络得到神经网络提取的512维特征，再将这些特征与心电图机的提取的波形信息结合，输入XGBoost模型，即可得该名检测者出现冠心病心电特征的概率。

5.一种基于残差神经网络的冠心病心电图筛查方法，其特征在于，包括如下步骤：

步骤1：将心电图机产生的xml文件中的十二导联心电序列数据和心电特征数据提取出来，并对心电序列数据进行小波变换去噪，使用心拍分割算法将心电信号进行分割，最后进行填充得到固定长度的心电数据；

步骤2：将步骤1得到的数据进行数据增强提高系统的鲁棒性，然后输入训练好的包含挤压和激励网络模块的ResneXt50网络，提取512维深度特征；

步骤3：将提取到的深度特征与心电图机得到的10维心电图特征拼成522维数据，通过数据输入训练好的XGBoost模型进行判断，得到待筛查者心电图具有冠心病相关心电特征的的概率。

6.根据权利要求5所述的基于残差神经网络的冠心病心电图筛查方法，其特征在于，所述步骤1中选取Symlets4小波函数对心电信号进行7个尺度的分解，将小波分解的低频信号视为心电信号的基线漂移。

7.根据权利要求6所述的基于残差神经网络的冠心病心电图筛查方法，其特征在于，所述步骤1中对尺度1的小波系数使用硬阈值方法过滤细节系数，直接将其置为零，压制基线漂移噪声；尺度6和尺度7的小波系数代表工频、肌电噪声，直接将其小波系数置为零，通过小波重构获得去噪后的心电信号。

8.根据权利要求5所述的基于残差神经网络的冠心病心电图筛查方法，其特征在于，所述步骤1中对心电图进行心拍分割，将大于心电图最大值乘以0.6的值作为R波的位置，并截取前面0.35个周期和后方0.65个周期的长度作为心拍。

9.根据权利要求5所述的基于残差神经网络的冠心病心电图筛查方法，其特征在于，所述步骤2中得到去噪后的十二导联心电心拍数据后，通过生成随机数的处理进行数据增强：

如果随机数小于0.5，则不进行处理；

如果随机数大于0.5，则随机在均值为1，标准差为0.1的正态分布上取一个值a，将值a乘以心电序列的每一个值，然后随机生成一个-20至20之间的偏移量b，让心电序列中的每个值都加上偏移量b。

10.根据权利要求5所述的基于残差神经网络的冠心病心电图筛查方法，其特征在于，所述步骤3中数据进入网络后经过一个1维卷积层和最大池化层后，进入重复的瓶颈层中，最后经过平均池化和最大池化层转换为一维数据后，经过全连接层，得到最终的预测值。