[发明专利]一种基于迁移学习的动态心电图R波T波识别系统

权利要求书

1.一种基于迁移学习的动态心电图R波T波识别系统，其特征在于，包括动态ECG信号便携采集模块，ECG信号去噪模块，ECG信号分割模块，卷积神经网络识别模块以及ECG信号结果综合显示模块；

所述动态ECG信号便携采集模块，用于便携式动态ECG信号的采集和存储；

所述ECG信号去噪模块，用于对由动态ECG信号便携采集模块采集的动态心电信号进行去噪处理；

所述ECG信号分割模块，用于对完成去噪的心电信号进行分割处理；

所述卷积神经网络识别模块，使用迁移学习的方法对R波和T波进行迁移学习；所述卷积神经网络包括QRS预训练子模块和T波迁移子模块；

所述ECG信号结果综合显示模块，用于综合输出心电信号的波峰坐标。

2.根据权利要求1所述的动态心电图R波T波识别系统，其特征在于，所述卷积神经网络识别模块使用QRS波峰标签的数据集对神经网络进行预训练，当模型收敛后，锁定QRS预训练子模块参数；使用同时含有QRS波和T波标签的数据集对T波迁移子模块训练QRS波和T波共同识别能力。

3.根据权利要求1或2所述的动态心电图R波T波识别系统，其特征在于，所述卷积神经网络识别模块使用全卷积神经网络进行end2end训练，将QRS预训练子模块的各级特征数据与T波迁移子模块的各级数据特征相连接。

4.根据权利要求1或2所述的动态心电图R波T波识别系统，其特征在于，所述全卷积神经网络模块设计使用3种采样模组，包括下采样模组、LSTM模组和上采样模组；下采样模组组成QRS预训练子模块，LSTM模组和上采样模组组成T波迁移子模块。

5.根据权利要求1或2所述的动态心电图R波T波识别系统，其特征在于，所述全卷积神经网络模块对输入的心电信号进行预测后，输出和输入信号大小相同的预测结果。

6.根据权利要求1或2所述的动态心电图R波T波识别系统，其特征在于，所述卷积神经网络识别模块使用CNN-LSTM深度学习模型。

7.根据权利要求1或2所述的动态心电图R波T波识别系统，其特征在于，所述ECG信号结果综合显示模块通过对预测结果进行处理，获得波形的边界坐标，计算确定QRS波和T波的波峰坐标。

8.根据权利要求1或2所述的动态心电图R波T波识别系统，其特征在于，所述去噪处理是指使用滤波器对心电信号中的噪音进行滤除；对去噪后的心电信号进行平滑处理。

9.根据权利要求1或2所述的动态心电图R波T波识别系统，其特征在于，所述ECG信号分割是对心电信号进行reshape操作，将心电信号转化成数据矩阵，并对心电数据进行归一化处理。