[发明专利]一种可穿戴设备监测心电图分类算法

权利要求书

1.一种可穿戴设备监测心电图分类算法，其特征在于，包括以下步骤：

(1)将输入的心电图信号进行分割为一系列时间段数据，提取其R峰到R峰区间的区间特征和小波特征；步骤(1)具体如下：

(1.1)对心电波形基于检测R峰进行分割，即将检测到的R峰值前0.25秒和0.45秒后作为一个固定的时间段数据，用X_ECG表示；

(1.2)用RR_i表示从i-1个R峰到i个R峰的时间间隔；那么RRi表示过去的R峰到R峰区间，RR_i+1作为下一个R峰到R峰区间，就表示5个过去和5个下一个R峰到R峰区间的平均值，用X_RR表示；

(1.3)通过多贝西小波变换同时获取X_ECG的时域和频域信息；变换后的输出信号用X_w表示；

(2)将X_ECG、X_RR和X_w输入两个基于长短期记忆的循环神经网络的模型，模型a和模型b，这两个模型分别做出心律失常预测，然后混合，形成每一次心跳的最终预测；步骤(2)具体如下：

(2.1)模型a由两个分支组成，每个分支包括一个基于长短期记忆的循环神经网络；

(2.2)左分支的输入由X_ECG、X_RR拼接形成，用X_a1表示；再通过基于长短期记忆的循环神经网络处理X_a1，并提取特征；

(2.3)右分支的输入由X_w、X_RR拼接形成，用X_a2表示；再通过基于长短期记忆的循环神经网络处理X_a2，并提取特征；

(2.4)这两个分支的输出同时输入到一个维数为全连接层，Ny为输出特征值，产生所有可能的心律失常类的概率；

(2.5)模型b由一个分支组成，包括一个基于长短期记忆的循环神经网络；

(2.6)输入由X_ECG、X_RR和X_w，通过主成分分析算法转换得到，用X_b表示；

(2.7)通过基于长短期记忆的循环神经网络处理X_b，并提取特征，特征数量

(2.8)输入一个维数为的全连接神经网络层，N_y为输出特征值，产生所有可能的心律失常类的概率；

(3)混合基于模型a和b独立计算所有心律失常类别的概率。采用具有两个隐藏层的多层感知器实现混合这两个结果，形成输出类的最终概率。

2.根据权利要求1所述的一种可穿戴设备监测心电图分类算法，其特征在于，步骤(2.4)中所述的所有可能的心律失常类具体为：第一类为存在束支阻滞，第二类为存在房性早搏，第三类为存在室性早搏，第四类为存在心室融合心跳，第五类为存在其他未分类心跳。

3.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-2中任一项所述的一种可穿戴设备监测心电图分类算法。

4.一种计算机设备，包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-2中任一项所述的一种可穿戴设备监测心电图分类算法。