[发明专利]心电信号质量评估方法、计算机装置和存储介质

说明书

本发明公开了一种心电信号质量评估方法、计算机装置和存储介质，心电信号质量评估方法包括获取训练数据集，将训练数据集输入至自动架构搜索算法中进行神经网络搜索，获得具有不同超参数的Mobile Inverted Residual网络块的神经网络，对神经网络进行微调优化二分类训练，获取测试数据集，将测试数据集输入至神经网络，获取神经网络输出的质量评估结果等步骤。本发明所需的数据存储空间更小，运算速度更快，所使用的神经网络是轻量级神经网络，对计算机的计算能力要求低，可适用于可穿戴设备或手机等移动端，而却更鲁棒，更能可靠有效地识别此类型的质量不可接受数据。本发明广泛应用于心电信号处理技术领域。

技术领域

本发明涉及心电信号处理技术领域，尤其是一种心电信号质量评估方法、计算机装置和存储介质。

背景技术

心血管疾病的死亡人数约占全球死亡人数的三分之一，因此心血管疾病的及早发现至关重要。ECG是医疗人员与相关专家用于诊断心脏健康的最广泛且有效的手段，在心脏每个心动周期中，通过心电描记器从体表多处引出多个电位变化，根据心电图的波形和节律来进行心脏疾病的诊断。对于医疗人员与心脏专家而言，长时程监测患者心电波形和节律难以实现，而用于自动心律失常检测的穿戴式的ECG监测设备可极大地辅助医生进行心脏疾病诊断。

利用神经网络在移动端和云端对心电事件进行监控能有效减少医护工作者的负担，并且可为中老年人提供长时程的心电监控，减少心血管疾病带来的风险，而进行心率失常自动检测的必要前提是对心电信号进行质量评估。现代相关的科研工作中，研究者多数基于基准特征如QRS波群的时域特征或频域特征、R-R间期等进行心电信号质量评估，但这些现有方法不够鲁棒，容易把病理性的信号误判为质量不合格的信号，这在临床应用中是不可接受的现象。近年来神经网络的快速发展，使其成为一个有效的工具，利用其进行心电质量评估，准确率可以达到较高水平，但由于计算能力的限制，一般的神经网络只能部署在云端，难以在移动端等计算能力较低的终端上运行，因此限制了利用神经网络进行心电质量评估的应用。

发明内容

针对上述至少一个技术问题，本发明的目的在于提供一种心电信号质量评估方法、计算机装置和存储介质。

一方面，本发明实施例包括一种基于神经网络架构搜索的动态心电信号质量评估方法，包括：

获取训练数据集；所述训练数据集包括多段心电信号以及每段所述心电信号各自对应的质量标记；所述质量标记用于标记相应的所述心电信号为可接受或不可接受；

将所述训练数据集的部分或全部输入至自动架构搜索算法中进行神经网络搜索，获得具有不同超参数的Mobile Inverted Residual网络块的神经网络；

对所述神经网络进行微调优化二分类训练；

获取测试数据集；所述测试数据集包括多段心电信号；

将所述测试数据集的部分或全部输入至所述神经网络，获取所述神经网络输出的对所述测试数据集中的心电信号的质量评估结果。

进一步地，所述获取训练数据集，包括：

通过可穿戴设备获取原始动态心电数据；

对所述原始动态心电数据按固定时长进行分段，获得多段心电信号；

对各段所述心电信号进行噪声分析；

当所述心电信号包括工频干扰噪声、肌电干扰噪声和/或基线漂移噪声，将所述心电信号的质量标记设置为不可接受，反之将所述心电信号的质量标记设置为可接受；

将所述训练数据集的格式设置为HDF5格式。