[发明专利]一种基于CNN和LSTM的心肌梗死识别并定位的方法

说明书

本发明公开了一种基于CNN和LSTM的心肌梗死识别并定位的方法，包括以下步骤：1）、获取两个训练数据库；2）、通过对单个心拍的截取，生成12导联的心电信号样本读入12导联的心电信号的数据；3）、按照心肌梗死发生位置不同而引起变化的导联位置不同，分别将前壁心肌梗死、侧壁心肌梗死、下壁心肌梗死以及后壁心肌梗死发生而产生心电图表现的导联在相同时刻R波顶点每个导联所截取心电信号的W个点进行第二维度连接；4)、搭建深度神经网络；5）、对样本进行自动识别。该种基于CNN和LSTM的心肌梗死识别并定位的方法，解决现有心肌梗死分析系统尚不足以满足临床应用的准确率需求和定位诊断的问题。

技术领域

本发明涉及医学信号处理技术领域，具体为一种基于CNN和LSTM的心肌梗死识别并定位的方法。

背景技术

心电图是临床上医生诊断心脏疾病的一个常规而且高效的技术手段,心电图各波与心肌动作电位有着密切关系.心肌梗死根据病变程度不同,在心电图上可以体现出不同的形态。目前在心肌梗死的检测上,多采用传统的信号处理方法,如傅里叶变换,小波变换等,该传统方法对于波形质量要求高,对于有噪声干扰和形态不好的波形效果不佳.也有一些学者提出使用SVM,KNN,决策树等机器学习方法,这一方法前期依赖于传统方法,需要提取相关特征,对于非典型性心肌梗死的检测,由于特征不明显,故准确率不高。目前也有学者单纯使用卷积神经网络诊断心肌梗死,但该方法对于典型心肌梗死的检测准确率没有直接提取特征的效果好,并且时间复杂度较大。

基于深度学习技术的心肌梗死分析系统可以利用数据红利，有效提高识别精度，然而目前的心肌梗死分析系统尚不足以满足临床应用的准确率需求。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供了一种基于CNN和LSTM的心肌梗死识别并定位的方法，解决现有心肌梗死分析系统尚不足以满足临床应用的准确率需求和定位诊断的问题。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于CNN和LSTM的心肌梗死识别并定位的方法，包括以下步骤：

1）、获取两个训练数据库，其中训练数据库1为已知患有心肌梗死的数据库，另一个数据库为对比的健康人群心电信号数据库；

2）、通过对单个心拍的截取，生成12导联的心电信号样本读入12导联的心电信号的数据，对每个导连心电信号根据同一时刻R波顶点的位置向前截取P个点，向后截取Q个点，每个导联的每个心拍截取W=P+Q个点的数据；

3）、按照心肌梗死发生位置不同而引起变化的导联位置不同，分别将前壁心肌梗死、侧壁心肌梗死、下壁心肌梗死以及后壁心肌梗死发生而产生心电图表现的导联在相同时刻R波顶点每个导联所截取心电信号的W个点进行第二维度连接，前壁心肌梗死对应的心电信号表现在V1至V4导联，将该四处导联进行第二维度拼接，此时心电信号由1*W维扩增为4*W维，作为卷积神经网络模型的输入X1；

侧壁心肌梗死对应的心电信号表现在Ⅰ、aVL、V5及V6导联，将该四处导联进行第二维度拼接，此时心电信号由1*W维扩增为4*W维，作为卷积神经网络模型的输入X2；

下壁心肌梗死对应的心电信号表现在Ⅱ、Ⅲ及aVF导联，将该三处导联进行第二维度拼接，此时心电信号由1*W维扩增为3*W维，作为卷积神经网络模型的输入X3；