[发明专利]基于深度学习算法的心电图分类方法

摘要

本发明公开了基于深度学习算法的心电图分类方法，包括以下步骤：取得测量时间在8秒以上的原始心电图波形数据、心电图附加信息，并根据原始心电图波形数据获取心电图节律信息、代表PQRST波形数据；将代表PQRST波形数据从训练完的深度学习算法的输入端输入，得到P波类型数据、QRS波类型数据、T波类型数据并分析代表PQRST波形数据，计算出代表PQRST波形特征数据并连同心电图附加信息、心电图节律信息输入传统心电图计算机自动分类算法，得到心电图分类结果。本发明合理地结合心电图分类的特点，并通过以上步骤对深度学习方法进行训练并用深度学习方法进行波形分类，能够大幅度提高心电图分类结果的正确率。

主权项

1.基于深度学习算法的心电图分类方法，其特征在于包括以下步骤：a.取得测量时间在8秒以上的原始心电图波形数据、心电图附加信息，对原始心电图波形数据进行去噪处理，所述的去噪处理包括：a11.采用高通滤波器去除基线漂移噪音；a12.基于PQ段信号的标准方差和阈值法确认噪音是否过高；a13.噪音过高时使用低通巴特沃斯滤波器去除噪音干扰；并根据原始心电图波形数据进行心电图节律信息的提取、代表PQRST波形的提取，获取心电图节律信息、代表PQRST波形数据，所述原始心电图波形数据为单导联数据或多导联数据，原始心电图波形数据为多导联数据时，所述的心电图节律信息由各个导联的心电图节律信息串联成一维数据形成，所述的代表PQRST波形数据由各个导联的代表PQRST波形数据串联成一维数据形成；b.对深度学习算法的神经网络进行训练，将步骤a得到的代表PQRST波形数据从训练完的深度学习算法的输入端输入，经深度学习算法进行PQRST波群分类后，从深度学习算法的输出端得到P波类型数据、QRS波类型数据、T波类型数据，所述的深度学习算法为卷积神经网络或迭代神经网络或深度神经网络；c.根据步骤b得到的P波类型数据、QRS波类型数据、T波类型数据分析步骤a得到的代表PQRST波形数据，计算出代表PQRST波形特征数据，所述的代表PQRST波形特征数据包括代表PQRST波形数据中每个波形的切分点、波峰电压值以及心电图节律信息中所有心拍的节律信息；d.将步骤a得到的心电图附加信息、心电图节律信息以及步骤c得到的代表PQRST波形特征数据输入传统心电图计算机自动分类算法，得到心电图分类结果。