[发明专利]基于深度神经网络的心律失常的检测系统

说明书

本发明提供一种基于深度神经网络的心律失常的检测系统，包括：分段模块，用于对获取的待检测患者的K导联心电数据按时间顺序进行分段处理，获取多个K导联心电数据段，每个K导联心电数据段的长度相等，K为正整数；检测模块，用于将所述多个K导联心电数据段按照时间的先后顺序依次分别输入训练好的深度神经网络模型，获取所述待检测患者患心律失常的类型。本发明提供的基于深度神经网络的心律失常的检测系统，通过将深度神经网络与心电数据相结合，利用人工对心律失常进行诊断的临床经验知识作为先验，对病例作出高可靠的预测，从而提高了心律失常检测的准确度。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种基于深度神经网络的心律失常的检测系统。

背景技术

随着计算机技术的飞速发展与广泛应用，计算机辅助诊断对人类的健康发挥出越来越重要的作用。

现有技术中，通过计算机辅助诊断系统对心律失常的检测的方法如下：首先，根据样本用户数据，利用支持向量机(Support Vector Machine，SVM)算法对统计模型进行训练学习；然后，采集患者在一个采样周期内的心电数据，分析并提取心电数据中的多项特征数据，计算得到每项特征数据在采样周期内的平均值和方差；将平均值、方差和多项特征数据组合，得到患者对应的多维向量；将多维向量与预先确定的用户心律失常类型的统计模型进行匹配，确定该患者的心律失常类型。

由于现有技术的检测系统中，利用支持向量机算法对统计模型进行训练学习，而SVM一般用在二类问题的分类，对于多类分类问题效果不好，心律失常类型多达十余种，导致对心律失常的分析结果不准确。

发明内容

(一)要解决的技术问题

本发明的目的是提供一种基于深度神经网络的心律失常的检测系统，解决了现有技术中的心律失常检测系统的检测结果不准确的技术问题。

(二)技术方案

为了解决上述技术问题，一方面，本发明提供一种基于深度神经网络的心律失常的检测系统，其特征在于，包括：

分段模块，用于对获取的待检测患者的K导联心电数据按时间顺序进行分段处理，获取多个K导联心电数据段，每个K导联心电数据段的长度相等，K为正整数；

检测模块，用于将所述多个K导联心电数据段按照时间的先后顺序依次分别输入训练好的深度神经网络模型，获取所述待检测患者患心律失常的类型。

进一步地，还包括：

训练模块，用于获取训练样本集，所述训练样本集包含多组训练样本，每组训练样本包含一位样本患者的多个K导联心电数据段；

基于所述训练样本集，对所述深度神经网络模型进行训练。

进一步地，所述深度神经网络模型包括：输入单元、卷积神经网络单元、循环神经网络单元和输出单元。

进一步地，还包括：

频谱变换模块，用于分别对每个K导联心电数据段进行频谱变换，得到多个经过频谱变换的K导联心电数据段；

相应地，所述检测模块，用于将所述多个K导联心电数据段按照时间的先后顺序依次分别输入训练好的深度神经网络模型，获取所述待检测患者患心律失常的类型。具体为：

检测模块，用于将所述多个经过频谱变换的K导联心电数据段按照时间的先后顺序依次分别输入训练好的深度神经网络模型，获取所述待检测患者患心律失常的类型。

进一步地，还包括：

滤波模块，用于对获取的待检测患者的K导联心电数据进行滤波。

进一步地，还包括：

数据增广模块，用于对所述训练样本集进行数据增广；