[发明专利]一种心电信号QRS波群定位方法及装置

说明书

本发明涉及心电信号技术领域，公开了一种心电信号QRS波群定位方法及装置，其中方法包括以下步骤：分别以两组大小不同的数据段作为输入对神经网络进行训练，得到两个标签预测模型；以两个标签预测模型的预测结果作为输入对神经网络进行训练，得到融合预测模型；根据两个所述标签预测模型以及所述融合预测模型进行病例数据的QRS波群定位。本发明具有适用范围广、定位精度高的技术效果。

技术领域

本发明涉及心电信号技术领域，具体涉及一种心电信号QRS波群定位方法及装置。

背景技术

心电诊断中，QRS波群的定位具有非常重要的作用。神经网络作为一种广泛应用的数学模型，也逐渐被应用至心电信号处理中。采用神经网络进行QRS波群的定位具有定位精度高，定位效率快的优点。但是，由于训练样本有限，目前通过神经网络进行训练得到的定位模型在对一些特殊病例数据进行识别时，即与训练样本差异较大的病例数据进行识别时，准确率会发生大幅下降，导致定位模型的适用面较窄，整体精度被拉低。

发明内容

本发明的目的在于克服上述技术不足，提供一种心电信号QRS波群定位方法及装置，解决现有技术中通过训练神经网络进行QRS波群定位时，对病例数据的适用面窄，整体精度低的技术问题。

为达到上述技术目的，本发明的技术方案提供一种心电信号QRS波群定位方法，包括以下步骤：

分别以两组大小不同的心电信号数据段作为输入对神经网络进行训练，得到两个标签预测模型；

以两个标签预测模型的预测结果作为输入对神经网络进行训练，得到融合预测模型；

根据两个所述标签预测模型以及所述融合预测模型进行病例数据的QRS波群定位。

本发明还提供一种心电信号QRS波群定位装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述心电信号QRS波群定位方法。

与现有技术相比，本发明的有益效果包括：本发明采用不同大小的数据段作为输入进行神经网络的训练，从而得到两个不同的标签预测模型。较大数据段训练得到的标签预测模型适用于心率较慢、QRS波较宽的病例数据，较小的数据段训练得到的标签预测模型适用于心率较快、QRS波较窄的病例数据。以两个标签预测模型的预测结果作为输入再次进行神经网络的训练，得到融合预测模型。由于融合预测模型基于两个不同的标签预测模型建立，因此融合预测模型适用于各种不同病例数据的预测定位，适用面宽，且对于各种不同病例数据的预测定位均可达到较高的精确度，从而提升了整体的预测精度。

附图说明

图1是本发明提供的心电信号QRS波群定位方法一实施方式的流程图；

图2是本发明提供的心电信号QRS波群定位方法一实施方式的预测结果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

如图1所示，本发明的实施例1提供了心电信号QRS波群定位方法，以下简称本方法，包括以下步骤：

S1、分别以两组大小不同的心电信号数据段作为输入对神经网络进行训练，得到两个标签预测模型；

S2、以两个标签预测模型的预测结果作为输入对神经网络进行训练，得到融合预测模型；

S3、根据两个所述标签预测模型以及所述融合预测模型进行病例数据的QRS波群定位。