[发明专利]房颤检测方法、装置及可读存储介质

权利要求书

1.一种房颤检测装置，其特征在于，所述房颤检测装置包括：

存储有房颤检测程序的存储器；

处理器，用于执行所述房颤检测程序以执行下述操作：

获取用于训练房颤识别模型的心电信号，并提取所述用于训练房颤识别模型的心电信号的形态特征参数以及时序信息，具体包括：获取用于训练房颤识别模型的房颤心电信号和正常心电信号；对所述房颤心电信号和正常心电信号进行预处理，得到多个心电数据序列；所述心电数据序列至少包括滤波心电数据、R波峰值注释数据、早博点注释数据、干扰片段注释数据中的任一种或多种；每一种心电数据序列对应不同的形态特征参数；逐一判断每一个心电数据序列是否满足预设条件；所述预设条件为每个心电数据序列时长为40～240s，或心电数据序列在连续有效片段中的RR间期波动最大的片段中包含至少20个有效心拍；当满足预设条件时，对心电数据序列进行形态特征提取，得到多个形态特征参数；当心电数据序列不满足预设条件时，剔除不符合的心电数据序列；识别各个形态特征参数在心电数据序列中的时间位置，得到多个时序信息；确定各个形态特征参数与各个时序信息在所述心电数据序列中的对应关系；

以所述形态特征参数以及时序信息为训练样本，采用深度学习方式，建立房颤识别模型；

采用K折交叉验证或混淆矩阵对所述房颤识别模型进行验证，得到验证结果，以供维护人员根据所述验证结果对所述房颤识别模型进行维护；

获取待检测心电信号，并基于所述房颤识别模型分析所述待检测心电信号，得到所述待检测心电信号的房颤检测结果。

2.如权利要求1所述的房颤检测装置，其特征在于，执行所述以所述形态特征参数以及时序信息为训练样本，采用深度学习方式，建立房颤识别模型的操作包括：

以所述形态特征参数、所述时序信息、所述对应关系作为输入量，以所述房颤心电信号与所述正常心电信号的心电状况作为输出量，采用卷积神经网络与长短时记忆神经网络对所述输入量、所述输出量的取值样本进行训练，得到房颤识别模型。

3.如权利要求1至2中任一项所述的房颤检测装置，其特征在于，在执行所述获取待检测心电信号，并基于所述房颤识别模型分析所述待检测心电信号，得到所述待检测心电信号的房颤检测结果的操作之后，所述处理器还执行以下操作：

将所述待检测心电信号与所述用于训练房颤识别模型的心电信号进行合并，用以更新所述房颤识别模型的训练样本；

根据更新的训练样本，对所述房颤识别模型进行进一步的训练。

4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有房颤检测程序，所述房颤检测程序被处理器执行下述操作：

获取用于训练房颤识别模型的心电信号，并提取所述用于训练房颤识别模型的心电信号的形态特征参数以及时序信息，具体包括：获取用于训练房颤识别模型的房颤心电信号和正常心电信号；对所述房颤心电信号和正常心电信号进行预处理，得到多个心电数据序列；所述心电数据序列至少包括滤波心电数据、R波峰值注释数据、早博点注释数据、干扰片段注释数据中的任一种或多种；每一种心电数据序列对应不同的形态特征参数；逐一判断每一个心电数据序列是否满足预设条件；所述预设条件为每个心电数据序列时长为40～240s，或心电数据序列在连续有效片段中的RR间期波动最大的片段中包含至少20个有效心拍；当满足预设条件时，对心电数据序列进行形态特征提取，得到多个形态特征参数；当心电数据序列不满足预设条件时，剔除不符合的心电数据序列；识别各个形态特征参数在心电数据序列中的时间位置，得到多个时序信息；确定各个形态特征参数与各个时序信息在所述心电数据序列中的对应关系；

以所述形态特征参数以及时序信息为训练样本，采用深度学习方式，建立房颤识别模型；

采用K折交叉验证或混淆矩阵对所述房颤识别模型进行验证，得到验证结果，以供维护人员根据所述验证结果对所述房颤识别模型进行维护；

获取待检测心电信号，并基于所述房颤识别模型分析所述待检测心电信号，得到所述待检测心电信号的房颤检测结果。