[发明专利]一种阵发房颤标记方法、终端设备及存储介质

权利要求书

1.一种阵发房颤标记方法，其特征在于，包括以下步骤：

S1：读取心电图并进行心搏识别；

S2：基于心电图中用户标记的一段房颤区间，计算房颤心搏相对于正常心搏的心率分散度临界值；

S3：构建心电数据片段集合, 从标记房颤区间中截取各心搏对应的心电数据片段存入心电数据片段集合中，并记录此时心电数据片段集合中的元素数目；

S4：遍历心电图的所有心搏，计算每个心搏的心率分散度，如果存在心搏序号，使得且，或者且，其中，和分别表示第i个和第i-1个心搏的心率分散度，则将心搏序号为的心搏添加至心电数据片段集合中；遍历结束后，删除心电数据片段集合中的重复心搏，并记录此时心电数据片段集合中的元素数目，l表示心搏序号增量；

S5：初始化聚类指示向量，其中，表示第i个心搏的类型，设置的值表示房颤；初始化标签选择向量，其中，表示第i个心搏的可信度，初始设置的值均表示可信；初始化设置可信度阈值、不可信的样本个数和软化超参数；

S6：构建卷积神经网络模型，设定模型的输入为心电数据片段集合，输出为特征张量；

S7：将输入模型得到特征张量；

S8：保持固定，通过k-means聚类算法对模型输出的特征张量进行聚类处理，使得下式成立后，得到新的聚类指示向量；

其中，表示第i个心搏的特征张量，k表示心搏的类型，k∈{1,2}，表示第k类心搏的特征张量的均值，表示求模运算；

S9：基于新的聚类指示向量，对两类心搏的特征张量的均值均进行更新，并对特征张量进行L2正则化；

S10：针对所有满足类型为非房颤且心搏序号大于M的心搏，计算其特征张量与类型为非房颤的心搏的特征张量的均值的内积，如果内积大于或等于可信度阈值，则设置该心搏的可信度的值表示可信，否则设置该心搏的可信度的值表示不可信；

针对所有满足类型为房颤且心搏序号大于M的心搏，计算其特征张量与类型为房颤的心搏的特征张量的均值的内积，如果内积大于或等于可信度阈值，则设置该心搏的可信度的值表示可信，否则设置该心搏的可信度的值表示不可信；

更新心电数据片段集合中可信度的值表示不可信的样本个数；

S11：判断不可信的样本个数的值是否大于更新前的值，如果是，则从所有可信度的值表示不可信的样本中提取内积最接近可信度阈值的样本对应的心电数据片段，并发送至显示界面供用户分类，根据接收到的分类结果固定其心搏类型，同时固定其可信度的值表示可信；基于接收到的分类结果对可信度阈值进行更新；

S12：使用梯度下降方式，通过下式对模型参数进行优化：

其中，表示模型中的超参数，表示卷积神经网络模型，表示心电数据片段集合中第i个心搏；

S13：重复步骤S7，直至S8中得到的新的聚类指示向量与之前的聚类指示向量的值相比不再发生变化，基于此时的聚类指示向量，将类型表示房颤的心搏标记为房颤。

2.根据权利要求1所述的阵发房颤标记方法，其特征在于：步骤S2中心率分散度临界值的计算过程包括以下步骤：

S201：初始化直方图中bin的大小，基于计算标记房颤区间的起始心搏对应的心率分散度，判断是否等于心率分散度阈值，如果是，进入S203；否则，进入S202；

S202：调整的大小，返回S201；

S203：基于计算标记房颤区间的结束心搏对应的心率分散度；

S204：基于心率分散度阈值和，通过下式计算心率分散度临界值：

其中，为经验系数，12；7为心率分散度阈值；

基于计算第i个心搏的心率分散度的计算过程为：

计算第i个心搏和其之后的l个心搏的瞬时心率，并提取其中的最小值作为最小瞬时心率；

令第i个心搏和其之后的l个心搏的瞬时心率均减去最小瞬时心率后得到差值心率；

基于直方图中bin的大小，绘制第i个心搏和其之后的l个心搏的差值心率对应直方图；

设定直方图中高度大于0的bin的数目为第i个心搏的心率分散度。

3.根据权利要求2所述的阵发房颤标记方法，其特征在于：设定心率分散度阈值为7。