[发明专利]基于改进的一维U-net的单导心电图信号特征波形检测方法

摘要

本发明公开了一种基于改进的一维U‑net的单导心电图信号特征波形检测方法。本发明基于改进的一维U‑net的单导心电图信号特征波形检测方法，包括：S1.数据准备：准备的心电信号数据采样率为500HZ，心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的高斯白噪声与脉冲噪声，对心电信号进行不同程度的缩放。本发明的有益效果：1.本方法无需人工设计特征，本方法使用的U‑net中使用的参数皆为自动学习得到；2.本方法在定位P波或是T波边界点时无需预先定位R波或是QRS波群，P波、T波的边界点定位与QRS波群的边界点定位是同时进行的。

主权项

1.一种基于改进的一维U‑net的单导心电图信号特征波形检测方法，其特征在于，包括：S1.数据准备：准备的心电信号数据采样率为500HZ，心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的高斯白噪声与脉冲噪声，对心电信号进行不同程度的缩放；给每一组数据准备了其对应的标签输出，输出有三个通道，每个通道长度为5000，每个通道分别划分好对应的P波段、QRS波段和ST‑T波段的位置，对应波段的位置用1表示，其余的用0表示，标签大小为(5000*3)；S2.预处理首先对输入数据进行低通滤波；对低通滤波后的信号进行两次中值滤波，提取出基线漂移，再用低通滤波后的信号减去基线漂移，得到预处理后的信号；S3.网络训练：将预处理后的ECG信号以及对应的一维标签输入到网络中进行训练，训练方法为adam算法；具体的改动如下：在卷积层中加入了Inception结构的卷积；在Inception结构中加入了三种不同大小的卷积核(大小分别为5*1、10*1以及20*1)，并加入了一次最大池化(pool_size为5*1)，在每次卷积及池化之前先进行一次1*1的卷积，目的是降低运算量；将进行了三次卷积和一次最大池化的结果按通道连接作为输出；在每次下采样与上采样时使用不同大小的采样倍率；加入了上下文比对机制。上下文比对机制加入位置；首先将输入数据进行两次核大小为5*1的卷积，其输出记为conv1；接着将输入数据进行两次核大小为5*1、膨胀率为10的空洞卷积，其输出记为conv2；将conv1与conv2相减得到第三个输出conv3，最后将conv1、conv2和conv3按通道连接作为最终的输出；在训练时提高对高噪声ECG样本的惩罚系数，使得模型能更关注于高噪声的ECG信号。