[发明专利]降噪自编码器的训练方法、心电信号的降噪方法及相关装置、设备

说明书

本申请提供了一种降噪自编码器的训练方法、心电信号的降噪方法及相关装置、设备，利用人工智能进行心电信号的降噪，可应用于智能检测心电图等领域，该方法从待降噪心电信号中提取出包括该待降噪心电信号的R峰位置、R‑R间距等明显特征的待降噪基准心电信号，通过目标降噪自编码器对待降噪心电信号去除待降噪基准心电信号之后的待降噪剩余心电信号进行降噪，避免目标降噪自编码器对待降噪心电信号中明显特征的降噪处理，使得待降噪基准心电信号和降噪后的剩余心电信号叠加得到降噪后的心电信号可以更好地保留待降噪心电信号中的R峰位置，减少降噪后的心电信号的失真。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种降噪自编码器的训练方法、心电信号的降噪方法及相关装置、设备。

背景技术

随着人工智能技术的发展，通过人工智能技术帮助医生进行心电图诊断逐渐成为可能。而心电信号的质量直接影响心电信号诊断的准确率。心电信号的采集通常是通过贴附在皮肤表面的电极得到的。由于皮肤上的心电信号比较弱，且容易受噪声干扰，导致采集到的心电信号中有很多噪声，降低了心电诊断的准确性和可靠性。尤其是，通过可穿戴心电设备采集到的用户处于非静止状态时的心电图包含大量的肌电噪声，此时，心电信号的降噪处理尤为重要。

现有技术中，可以通过训练一卷积自编码器(convolutional auto encoder，CAE)来实现心电信号的降噪，具体的训练方法为：将含噪心电信号输入的卷积自编码器，卷积自编码器对输入的含噪信息信号进行处理后输出预测心电信号，根据预测心电信号与该含噪心电信号对应的降噪后的心电信号的误差来调整去卷积自编码器的参数，使得该误差收敛，得到具备对心电信号进行降噪功能的目标自编码器，进而，通过该目标自编码器对待降噪心电信号进行降噪。然而，由于卷积自编码器训练过程中直接以心电信号作为输入，自编码器获取完整心电信号的编码表示存在较大困难，导致通过上述目标自编码器进行降噪后的心电信号丢失心电信号中的细节信息，出现波形失真。如何在不损失心电信号的细节信息的情况下进行消除噪声是当前亟待解决的技术问题。

发明内容

本发明实施例所要解决的技术问题在于，提供一种降噪自编码器的训练方法、心电信号的降噪方法及相关装置、设备，避免自编码器学习难度大，预测波形失真的技术问题。

第一方面，本申请实施例提供了一种降噪自编码器的训练方法，包括：训练设备将无噪心电信号和肌电噪声信号叠加得到合成心电信号，该无噪心电信号包含H拍心电信号，每拍心电信号包含一个QRS波群，H为大于1的正整数，且无噪心电信号的信噪比不小于第一阈值；利用平均节拍减法(average beat subtraction)将合成心电信号分解为基准心电信号和含噪剩余心电信号；从所述无噪心电信号中移除所述基准心电信号，得到无噪剩余心电信号；进而，根据含噪剩余心电信号和该含噪剩余心电信号对应的无噪剩余心电信号训练降噪自编码器，其中，含噪剩余心电信号为训练输入，该含噪剩余心电信号对应的无噪剩余心电信号为训练标签。

应理解，利用平均节拍减法将合成心电信号分解得到的基准心电信号的R峰位置与合成心电信号的R峰位置相同。

应理解，上述得到含噪剩余心电信号和该含噪剩余心电信号对应的噪剩余心电信号组成一个训练样本，生成训练样本的具体实现也可以通过训练设备之前的其他设备或装置完成，训练设备可以接收生成训练样本的设备或装置发送的训练样本，此处，不作限定。

上述方法训练设备通过含噪剩余心电信号作为降噪自编码器的输入，以无噪剩余心电信号作为标签，训练降噪自编码器，此时，训练输入的含噪剩余心电信号剔除了合成心电信号中明显特征(比如，R峰位置、R-R间距等)，该降噪自编码器只需要提取合成心电信号的细节信息的编码表示，而不需要获取整个合成心电信号的编码表示，进而，降低训练难度，使得训练得到的目标降噪自编码器可以更好地提取到含噪剩余心电信号中的细节特征，从而提高得到的目标降噪自编码器的降噪性能。