[发明专利]心电信号的早搏心拍检测系统

权利要求书

1.一种心电信号的早搏心拍检测系统，其特征在于，所述系统用于实现如下方法，所述方法包括：

步骤一：将预设采样率的心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声，给心电信号每一组数据准备了其对应的标签，标签有两个通道，每个通道分别划分好对应的室性早搏QRS波段和室上性早搏QRS波段；

步骤二：将步骤一中的心电信号进行低通滤波，并结合对应的标签输入到神经网络中进行训练，所述神经网络的损失函数为Dice损失函数，所述神经网络采用一维U-net网络结构；

步骤三：步骤3.1对于每个通道的输出概率值大于等于预设概率的值，则修改为1；小于所述预设概率的值则修改为0；

步骤3.2对于经过步骤3.1后的每个通道的输出结果经过若干次滑窗积分；

步骤3.3对于经过步骤3.1、步骤3.2后的第一个通道的输出结果，它的波峰值即为室性早搏心拍的QRS波所在位置；对于经过步骤3.1、步骤3.2后的第二个通道的输出结果，它的波峰值即为室上性早搏心拍的QRS波所在位置；

所述神经网络的训练方法为Adam算法；所述神经网络中，第一次下采样与最后一次上采样使用了不同大小的采样倍率；

在所述神经网络中，加入金字塔池化模块：首先将输入数据进行四次不同下采样倍率的最大池化，此时得到多个尺寸的特征图，接着对这些尺寸的特征图分别再进行卷积，用来减少通道数，然后采用双线性插值进行上采样操作，通过上采样来获得金字塔模块前相同尺寸的特征图，接着将它们与输入数据在通道上进行拼接，最后再进行一次卷积；

在所述神经网络中，每一次卷积层后面都有批归一化操作并添加了“Relu”激活函数，只有最后一层没有批归一化操作并且激活函数为“Sigmoid”；在上采样和下采样过程中，每隔一次最大池化层加入残差结构的跳跃连接，将学习到的低维特征直接并入到高维特征中一起学习；

在所述神经网络中，对两个通道的输出分别计算Dice损失，最后用加权的方式得到一个总的Dice损失；在输出通道中，第一个通道用来预测属于室性早搏心拍的QRS波段的概率值，第二个通道用来预测属于室上性早搏心拍的QRS波段的概率值；加权的权值分别为第一个通道为0.4，第二个通道为0.6。

2.如权利要求1所述的心电信号的早搏心拍检测系统，其特征在于，具体的加权公式如下：

其中，n表示输出信号的长度，表示网络输出第一个通道的预测值的第i个值，表示网络输出第二个通道的预测值的第i个值，表示网络中第一个通道对应的标签的第i个值，网络第二个通道对应的标签的第i个值；L为总的Dice损失。