[发明专利]一种基于时频分析和循环神经网络的心电图波形分割方法

权利要求书

1.一种基于时频分析和循环神经网络的心电图波形分割方法，其特征在于，包括以下步骤：

1.1获取经标注的原始ECG数据集，将每组ECG数据划分为多个包含5000个采样点的时间序列数据段，丢弃其余采样段，并将数据集转换为元胞数组；

1.2设计一个带通滤波器，并将其应用于ECG数据集；

1.3对ECG数据集进行傅里叶同步压缩变换，将经傅里叶同步压缩变换后的实部和虚部视为单独的特征；

1.4将ECG数据集中的每组数据顺序打乱，按预设比例划分为训练集和测试集，并标准化训练集和测试集；

1.5构建循环神经网络模型，将训练集送入该网络进行训练，得到训练好的循环神经网络；

1.6将测试集送入训练好的循环神经网络，输出对ECG波形的分割结果，结合评价指标得到测试通过的ECG波形分割模型。

2.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法，其特征在于，1.1所述经标注的原始ECG数据为：采集时长大约15分钟，采样频率为250Hz的数百名患者的双通道心电图信号时序数据，标注标签为4类：P，QRS，T和N/A。

3.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法，其特征在于，1.2所述带通滤波器的频率范围[0.5 40]Hz，以消除低频的基线漂移和高频噪声。

4.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法，其特征在于，1.3所述傅里叶同步压缩变换的采样频率Fs为原始ECG数据的采样频率，kaiser窗设为128，频率显示轴设为’yaxis’。

5.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法，其特征在于，1.4预设比例为7：3；数据集标准化方式为：

式中，x表示样本值，μ表示样本均值，σ表示样本标准差。

6.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法，其特征在于，1.5所述的循环神经网络模型依次包括：序列数据输入层、循环单元层、全连接层、softmax层、分类输出层；序列输入层设为40，循环单元层的神经元个数设为200、激活函数选择ReLU、序列输出设为’sequence’，全连接层的神经元个数设为4；优化器选择’adam’、梯度下降法中的学习率调整策略使用分段常数衰减。

7.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法，其特征在于，1.6所述的评价指标为混淆矩阵和准确率。

8.根据权利要求6所述的基于时频分析和循环神经网络的心电图波形分割方法，其特征在于，所述循环单元可以为循环神经网络、长短期记忆网络和门控循环单元中的任一种。