[发明专利]一种心律失常检测方法、装置及终端有效

专利信息
申请号: 201810512612.7 申请日: 2018-05-25
公开(公告)号: CN108968941B 公开(公告)日: 2022-03-25
发明(设计)人: 张恒贵;李钦策;刘阳;何润南;赵娜;王宽全 申请(专利权)人: 深圳市太空科技南方研究院
主分类号: A61B5/0245 分类号: A61B5/0245;A61B5/024
代理公司: 深圳中一专利商标事务所 44237 代理人: 官建红
地址: 518000 广东省深圳市龙岗区坪地*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 心律失常 检测 方法 装置 终端
【权利要求书】:

1.一种心律失常检测装置,其特征在于,所述装置包括:

训练集重构单元,用于根据心动周期截取心电信号中的心跳波形列表重构训练集;

训练集扩增单元,用于扩增所述训练集中的心跳波形列表的数量;

心律失常检测单元,用于基于深度神经网络对训练集中的心跳波形和RR间期进行特征学习和分类,以确定心律失常类别;

所述训练集扩增单元包括:

心跳次数比较子单元,用于判断心跳信号中的心跳次数是否大于预设心跳波形次数F;

心跳次数比较子单元,用于当心跳信号中的心跳次数小于或等于预设心跳波形次数F时,在所述心跳信号的头部补充若干0向量以使其长度达到预设长度,得到新的心跳波形列表;

心跳波形列表存储子单元,用于将得到新的心跳波形列表存储至所述训练集中;

第二扩增子单元,用于当心跳信号中的心跳次数大于预设心跳波形次数F时,根据预设心跳次数Pi对所述心跳信号进行截取,得到预设长度的心跳波形列表;

所述第二扩增子单元包括:

扩增数目获取子单元,用于获取预设扩增数目Ti

次数Bi统计子单元,用于统计所述训练集中的预设类别信号所包含心跳的次数Bi

心跳次数Pi计算子单元,用于根据所述预设扩增数目Ti和所述次数Bi按照预设公式计算预设心跳次数Pi;其中,所述预设公式为:心跳波形列表截取子单元,用于每隔Pi次心跳截取一个长度为预设长度的心跳波形列表。

2.如权利要求1所述的装置,其特征在于,所述装置还包括:

基线漂移去除单元,用于基于均值滤波去除所述心电信号中的基线漂移;

滤波去噪单元,用于对去除基线漂移后的心电信号进行滤波去噪。

3.如权利要求1或2所述的装置,其特征在于,所述训练集重构单元包括:

R波波峰获取子单元,用于获取当前检测点检测到的心电信号中的R波波峰;

波形位置计算子单元,用于计算所述R波波峰的波形位置;

心跳波形列表截取子单元,用于根据所述波形位置截取心跳波形列表并存储至训练集中。

4.如权利要求3所述的装置,其特征在于,所述波形位置计算子单元,具体用于:

根据预设公式计算所述R波波峰的波形起始位置;其中,所述预设公式为:

Ei=Si+C

其中,Si表示波形起始位置;Ei表示终止位置;Ri表示心电信号中检测到的第i个R波波峰的波形位置;i的取值范围为2至N-1,N为检测到的R波波峰的总数;C为设定的心动周期常量,取值为0.6~0.8秒。

5.如权利要求1所述的装置,其特征在于,所述深度神经网络包括心跳波形特征学习网络、RR间期特征学习网络和心律失常分类网络。

6.如权利要求5所述的装置,其特征在于,所述心律失常检测单元包括:

第一特征向量学习子单元,用于由心跳波形特征学习网络对训练集中的样本数据进行特征学习后得到一个第一预设维度的第一特征向量;

第二特征向量学习子单元,用于由RR间期特征学习网络对从训练集中提取的RR间期序列进行特征学习后得到一个第二预设维度的第二特征向量;

心律失常分类子单元,用于由心律失常分类网络将所述第一特征向量和所述第二特征向量进行拼接,依次输入预设数量的全连接层进行心律失常分类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市太空科技南方研究院,未经深圳市太空科技南方研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810512612.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top