[发明专利]心电图分类方法及系统

权利要求书

1.一种心电图分类方法，其特征在于，该方法包括如下步骤：

a.对原始心电图波形进行滤波及下采样；

b.对滤波及下采样后的心电数据进行平移起始点操作；

c.采用导联卷积神经网络对所述心电数据进行识别与分类；

其中：所述的导联卷积神经网络的结构包括：导联、用于汇总所有导联的信息的全连接层、用于进行识别与分类的SLR层，其中，每个所述导联包括三个不同的卷积单元Ai、Bi、Ci(1≤i≤8)，每个卷积单元包括多个卷积层和取样层；

导联卷积神经网络的具体计算过程为：假设输入样本为x＝[x1,x2,…,x8]，其中xi(1≤i≤8)为第i通道的数据，则：

其中，g_D是全连接层计算函数，g_E是SLR层计算函数，是激励函数，为卷积单元计算函数。

2.如权利要求1所述的方法，其特征在于，所述b步骤与所述c步骤之间包括：

在训练阶段对平移起始点后的心电数据进行加噪处理的步骤。

3.如权利要求1所述的方法，其特征在于，所述步骤a仅保留II、III、V1、V2、V3、V4、V5、V6 8个基本导联的心电数据。

4.如权利要求2所述的方法，其特征在于，所述的加噪处理为对所述心电数据叠加包含低频噪声、高频噪声及白噪声的随机噪声。

5.一种心电图分类系统，其特征在于，该系统包括相互电性连接的预处理模块、平移模块及分类模块，其中：

所述预处理模块用于对原始心电图波形进行滤波及下采样；

所述平移模块用于对滤波及下采样后的心电数据进行平移起始点操作；

所述分类模块用于通过导联卷积神经网络对所述心电数据进行识别与分类；

其中：所述的导联卷积神经网络的结构包括：导联、用于汇总所有导联的信息的全连接层、用于进行识别与分类的SLR层，其中，每个所述导联包括三个不同的卷积单元Ai、Bi、Ci(1≤i≤8)，每个卷积单元包括多个卷积层和取样层；

导联卷积神经网络的具体计算过程为：假设输入样本为x＝[x1,x2,…,x8]，其中xi(1≤i≤8)为第i通道的数据，则：

其中，g_D是全连接层计算函数，g_E是SLR层计算函数，是激励函数，为卷积单元计算函数。

6.如权利要求5所述的系统，其特征在于，该系统还包括加噪模块，用于在训练阶段对平移起始点后的心电数据进行加噪处理。

7.如权利要求5所述的系统，其特征在于，所述预处理模块仅保留II、III、V1、V2、V3、V4、V5、V6 8个基本导联的心电数据。

8.如权利要求6所述的系统，其特征在于，所述的加噪处理为对所述心电数据叠加包含低频噪声、高频噪声及白噪声的随机噪声。