[发明专利]房颤检测方法、装置及可读存储介质

说明书

本发明公开了一种基于心电信号的房颤检测方法，所述房颤检测方法包括以下步骤：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；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；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。本发明还公开了一种房颤检测装置及可读存储介质。本发明能够实现房颤的自动化检测，并提高房颤检测的效率和准确度。

技术领域

本发明涉及医学信号处理领域，尤其涉及一种房颤检测方法、装置及可读存储介质。

背景技术

心脏病是一类比较常见的心血管疾病，也是当今发病率和致死率最高的疾病之一，因而心脏病的防治和诊断已成为当今医学界的重要问题。对心脏健康危害较大的是心房颤动(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，心电图技术以其操作方法简便，对用户无侵入损害等优点，一直作为心脏病诊断的重要技术手段，但其检测结果需要医生通过肉眼仔细观察心电图，进而判断用户是否存在房颤问题。当医生每天面对海量心电图时，容易因用眼疲劳和重复性判断，影响房颤检测的可行性和准确性。现有的计算机辅助检测房颤，主要是通过计算心电信号中相邻两个R峰位置的方差绝对值，进而判断用户是否存在房颤问题，但现有的检测算法，无法应对复杂多变的实际情况，比如用户的种族、性别、年龄、情绪等。

发明内容

本发明的主要目的在于提供一种基于心电信号的房颤检测方法、装置及可读存储介质，旨在解决现有心电信号检测房颤方法不够准确与合理的技术问题。

为实现上述目的，本发明提供的一种基于心电信号的房颤检测方法，所述房颤检测方法包括以下步骤：

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；

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；

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。

优选地，所述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；

判断各个心电数据序列是否满足预设条件；

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；

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。

优选地，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。

优选地，在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，建立房颤识别模型之后，所述房颤检测方法还包括：

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。