[发明专利]一种基于多尺度深度学习神经网络的心电检测方法

权利要求书

1.一种基于多尺度深度学习神经网络的心电检测方法，其特征在于，包括：

服务器接收任一客户端发送的待分析的心电数据，所述待分析的心电数据为所述客户端的采集单元采集的，或者独立客户端的采集设备采集并传送至所述客户端的；

所述服务器利用预先构建的心律失常检测模型对所述待分析的心电数据进行心律失常的识别处理，获取识别结果；

所述心律失常检测模型为预先利用多尺度深度卷积人工神经网络算法训练心电数据样本构建的，用于兼顾心电数据的单次节律中的异常和多次节律之间的异常的，训练好的多尺度卷积神经网络；

所述服务器将所述识别结果发送所述客户端，以使所述客户端展示所述识别结果；

其中，所述训练好的多尺度卷积神经网络包括三个层级，其中第一层级为输入层；第二层级为隐藏层；第三层级为全连接层；

输入层用于心电数据的输入和感知；

隐藏层由N个串联的卷积层构成；其中，第一个卷积层由一定数量不同尺度的卷积核并行对输入层的数据进行感知，经过激活函数后，由maxpooling池化层对特征进行降维；前一层的输出作为后一层卷积层的输入，以此类推，直至第N层；

全连接层为全连接的多层感知机分类器；对隐藏层输出的特征进行拼接，形成一维特征序列，得到的一维特征序列通过全连接层，通过softmox进行分类预测；

所述激活函数为PReLu激活函数；

所述训练好的多尺度卷积神经网络的卷积窗的采样尺度包括：fs、2*fs和5*fs，其中，fs为采样率。

2.根据权利要求1所述的方法，其特征在于，所述服务器利用预先构建的心律失常检测模型对所述待分析的心电数据进行心律失常的识别处理的步骤之前，所述方法还包括：

所述服务器离线收集多个心电数据样本，所述心电数据样本的类型包括：正常、房颤、早搏、房扑、室颤、室扑和三联律类型；

基于多尺度深度卷积人工神经网络算法，根据所述心电数据样本，离线训练方式构建心律失常检测模型。

3.根据权利要求2所述的方法，其特征在于，所述每一个心电数据样本的心电时长为30s，采样率为256Hz；

所述心律失常检测模型包括：由多尺度卷积核构成的卷积神经网络结构以及所述卷积神经网络结构的每一个神经元的链接权重；

所述神经元为每层卷积核的个数，链接权重是指卷积核的权重。

4.根据权利要求3所述的方法，其特征在于，所述服务器利用预先构建的心律失常检测模型对所述待分析的心电数据进行心律失常的识别处理，获取识别结果，包括：

采用训练好的多尺度卷积神经网络对所述待分析的心电数据进行分析，形成多层次的特征表达，在最后的softmax层形成所有心律失常的概率，选取概率最大的心律失常结果作为识别结果。

5.根据权利要求1至4任一所述的方法，其特征在于，服务器接收任一客户端发送的待分析的心电数据的步骤之前，所述方法还包括：

所述客户端接收独立客户端的采集设备传送的待分析的心电数据。

6.根据权利要求1至4任一所述的方法，其特征在于，服务器接收任一客户端发送的待分析的心电数据的步骤，包括：

所述服务器接收任一客户端发送的待分析的心电数据，以及所述待分析的心电数据的属性信息。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

所述服务器将所述识别结果按照所述属性信息进行存储。

8.一种基于多尺度深度学习神经网络的心电检测系统，其特征在于，包括多个客户端和服务器；

每一服务器连接所有的客户端，且所述服务器和所述客户端交互执行上述权利要求1至7任一所述的方法。

9.根据权利要求8所述的系统，其特征在于，所述客户端为手机客户端，所述服务器为云服务器。