[发明专利]房颤检测方法、分类模型训练方法及终端设备

说明书

本申请提供了一种房颤检测方法、分类模型训练方法及终端设备，该方法包括：对心电图信号进行预处理，获取每个心搏对应的预设长度的心搏间隔序列；将心搏间隔序列输入变换卷积神经网络，得到房颤检测分类结果，变换卷积神经网络包括变换层、局部卷积层和全局卷积层。利用训练得到的TCNN对实时的ECG信号进行房颤检测，并可利用积累的ECG及其房颤检测分类结果训练TCNN，使其误差越来越小，房颤检测分类结果越来越准确。

技术领域

本申请涉及医疗数据分析领域，尤其涉及一种房颤检测方法、分类模型训练方法及终端设备。

背景技术

心房颤动(简称房颤)是最常见的持续性心律失常，常伴有心悸、眩晕、胸部不适、气短等症状。目前，房颤检测方法分为基于R-R间隔分析的方法和基于波形识别的方法。其中基于波形识别的方法受波形分析结果影响较大，而基于R-R间隔分析的方法效果相对稳定且性能更好。

基于R-R间隔分析的方法中，目前性能最好的方法是基于样本熵的方法。对R-R间隔进行变换后计算样本熵，通常房颤的样本熵会更大，从而据此来检测房颤。但该方法是目前在实际应用中虚警率较高，性能仍有待改进。

发明内容

有鉴于此，本申请实施例提供了一种房颤检测方法、分类模型训练方法及终端设备，用以解决现有技术中房颤检测虚警率高，性能不佳的技术问题。

根据本申请实施例的一个方面，提供了一种房颤检测方法，所述方法包括：对心电图信号进行预处理，获取每个心搏对应的预设长度的心搏间隔序列；将心搏间隔序列输入变换卷积神经网络，得到房颤检测分类结果，变换卷积神经网络包括变换层、局部卷积层和全局卷积层。

根据本申请实施例的另一方面，提供了一种训练房颤检测分类模型的方法，所述方法包括：对心电图信号进行预处理，获取每个心搏对应的预设长度的心搏间隔序列作为训练数据；将训练数据输入初始化的变换卷积神经网络，变换卷积神经网络包括变换层、局部卷积层和全局卷积层；按照预设迭代次数进行迭代并完成对局部卷积层和全局卷积层的训练。

根据本申请实施例的另一方面，提供了一种终端设备包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：对心电图信号进行预处理，获取每个心搏对应的预设长度的心搏间隔序列；将心搏间隔序列输入变换卷积神经网络，得到房颤检测分类结果，变换卷积神经网络包括变换层、局部卷积层和全局卷积层。

根据本申请实施例的另一方面，提供了一种终端设备包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：对心电图信号进行预处理，获取每个心搏对应的预设长度的心搏间隔序列作为训练数据；将训练数据输入初始化的变换卷积神经网络，变换卷积神经网络包括变换层、局部卷积层和全局卷积层；按照预设迭代次数进行迭代并完成对局部卷积层和全局卷积层的训练。

本申请实施例的有益效果包括：利用训练得到的TCNN，对实时的ECG信号进行房颤检测，将患者的实时ECG信号预处理为预设长度的心搏间隔序列并作为测试数据输入TCNN以检测出其中的房颤和非房颤，利用积累的ECG及其房颤检测分类结果训练该TCNN，使其误差越来越小，房颤检测分类结果越来越准确。

附图说明

通过以下参照附图对本申请实施例的描述，本申请的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本申请实施例训练房颤检测分类模型的方法的流程示意图；

图2是本申请实施例中TCNN的架构示意图；

图3是本申请实施例房颤检测方法的流程示意图；

图4是本申请实施例房颤检测方法的流程示意图。

具体实施方式