[发明专利]一种心电图分类处理方法及装置

权利要求书

1.一种心电图分类处理方法，其特征在于，包括：

获取心电图中的R波的位置；

根据所述R波的位置，确定体现所述心电图特征的直接特征值；

将心电图以R波位置为中心分割为不同数据段；

对分割的数据段进行卷积和取样，得到内部特征值；

对所述直接特征值和所述内部特征值根据预定算法进行计算，得到分类结果。

2.根据权利要求1所述的方法，其特征在于,

所述根据R波的位置，确定体现所述心电图特征的直接特征值包括：根据所述R波的位置，确定设定数目的RR间期作为直接特征值。

3.根据权利要求1或2所述的方法，其特征在于,

所述将心电图以R波位置为中心分割为不同数据段后还包括：对心电图的心电数据叠加随机噪声；

所述对分割的数据段进行卷积和取样包括：通过卷积层与取样层对分割且叠加随机噪声后的心电数据进行卷积和取样。

4.根据权利要求2所述的方法，其特征在于,

所述根据R波的位置，确定设定数目的RR间期作为直接特征值包括：

根据所述R波的位置，分别将R波左边的两个RR间期、右边的两个RR间期，及周围12个R波的平均RR间期，共5个RR间期作为直接特征值。

5.根据权利要求1或2所述的方法，其特征在于,

所述对所述直接特征值和所述内部特征值根据预定算法进行计算，得到分类结果包括：

多层感知器的隐层对所述直接特征值和内部特征值，使用第一权值矩阵进行计算；

多层感知器的逻辑回归层根据所述隐层输出的数据，使用第二权值矩阵进行计算得到心电图分类结果。

6.根据权利要求5所述的方法，其特征在于,

所述第一权值矩阵为[P1*P2]，其中，P1为输入节点个数，P2为输出节点个数，50<P1<2000，100<P2<2000；

所述第二权值矩阵为[P2*D]，其中D为疾病种类数目。

7.根据权利要求1或2所述的方法，其特征在于,

所述对分割的数据段进行卷积和取样，得到内部特征值包括：

通过三个卷积层与取样层对分割的数据段进行卷积和取样，

三个卷积层的核结构为[F1，1，1，C1]，[F2，F1，leadCount，C2]，[F3，F2，1，C3]，取样层结构为[1，M1]，[1，M2]，[1，M3]；

其中，F1、F2、F3为特征面数目，C1、C2、C3为卷积核，M1、M2、M3为取样系数，leadCount为输入数据的导联数目，3<F1<30，F1<F2<100，F2<F3<200，1<C1<60，1<C2<50，1<C3<40，1<M1<30，1<M2<30，M1<M2<30；

根据三个卷积层与取样层的卷积和取样结果，得到内部特征值。

8.一种心电图分类处理装置，其特征在于，包括：

R波提取模块，用于获取心电图中的R波的位置；

特征提取模块，用于根据所述R波提取模块获取的R波的位置，确定体现所述心电图特征的直接特征值；

分割模块，用于将心电图以R波位置为中心分割为不同数据段；

卷积和取样模块，用于对分割的数据段进行卷积和取样，得到内部特征值；

多层感知器，用于对所述特征提取模块得到的直接特征值和所述卷积和取样模块得到的内部特征值根据预定算法进行计算，得到分类结果。

9.根据权利要求8所述的装置，其特征在于，还包括：

噪声层模块，用于对分割后的心电图的心电数据叠加随机噪声，并输出给所述卷积和取样模块。

10.根据权利要求8所述的装置，其特征在于,

所述特征提取模块，根据所述R波的位置，确定设定数目的RR间期作为直接特征值。