[发明专利]基于ECG的疾病预测方法、装置及电子设备

权利要求书

1.一种基于ECG的疾病预测装置，其特征在于，所述基于ECG的疾病预测装置包括：

获得模块，用于基于每个导联的ECG信号获得心电识别单元，所述心电识别单元为所述ECG信号中至少包括一个心动周期的波段；

处理模块，用于将所述心电识别单元分解到多个尺度空间中，对应获得多个波频单元，所述波频单元表征所述心电识别单元在所述尺度空间的心电信号特征；基于多个所述导联的多个所述波频单元构建多尺度空间信号，所述多尺度空间信号表征所述心电识别单元在一个多维空间的心电信号特征；基于所述多尺度空间信号，获得所述ECG信号的疾病预测结果；

所述基于每个导联的ECG信号获得心电识别单元，包括：

对所述ECG信号进行分割，获得N个R波段，每个所述R波段是两个相邻的所述ECG信号R波顶点之间的波段，所述N是正整数；

将第i个R波段与第i+1个R波段进行组合，获得第i个所述心电识别单元；所述i是小于所述N的正整数；

将所述心电识别单元分解到多个尺度空间中，对应获得多个波频单元，包括：

对第j个波频单元进行小波变换，获得第j+1个波频单元，其中，j是正整数，当j＝1时，第j个波频单元是所述心电识别单元；

所述基于多个所述波频单元构建多尺度空间信号，包括：

将每个所述导联的多个所述波频单元横向构成二维波频数据；

将多个所述导联的二维波频数据进行纵向叠加，获得所述多尺度空间信号；

所述基于所述多尺度空间信号，获得所述ECG信号的疾病预测结果，包括：

将所述多尺度空间信号输入卷积神经网络的输入层，通过至少两个神经网络单元对所述多尺度空间信号进行处理，获得第一处理数据，其中，所述神经网络单元至少对所述多尺度空间信号进行两次卷积处理后，至少再进行一次池化处理；

对所述第一处理数据进行卷积处理，获得第二处理数据；

对所述第二处理数据进行池化处理，获得第三处理数据；

通过全连接层对所述第三处理数据进行处理，获得第四处理数据；

通过SoftMax分类器对所述第四处理数据进行分类，并通过卷积神经网络的输出层输出所述疾病预测结果。

2.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现一种基于ECG的疾病预测方法的步骤；

一种基于ECG的疾病预测方法，包括：

基于每个导联的ECG信号获得心电识别单元，所述心电识别单元为所述ECG信号中至少包括一个心动周期的波段；

将所述心电识别单元分解到多个尺度空间中，对应获得多个波频单元，所述波频单元表征所述心电识别单元在所述尺度空间的心电信号特征；

基于多个所述导联的多个所述波频单元构建多尺度空间信号，所述多尺度空间信号表征所述心电识别单元在一个多维空间的心电信号特征；

基于所述多尺度空间信号，获得所述ECG信号的疾病预测结果；

所述基于每个导联的ECG信号获得心电识别单元，包括：

对所述ECG信号进行分割，获得N个R波段，每个所述R波段是两个相邻的所述ECG信号R波顶点之间的波段，所述N是正整数；

将第i个R波段与第i+1个R波段进行组合，获得第i个所述心电识别单元；所述i是小于所述N的正整数；

所述将所述心电识别单元分解到多个尺度空间中，对应获得多个波频单元，包括：

基于多个所述导联的多个所述心电识别单元进行多次小波变换，每进行小波变换一次，对应获得一个所述尺度空间的所述波频单元；

所述基于多个所述导联的多个所述心电识别单元进行多次小波变换，每进行小波变换一次，对应获得一个所述尺度空间的所述波频单元，包括：

对第j个波频单元进行小波变换，获得第j+1个波频单元，其中，j是正整数，当j＝1时，第j个波频单元是所述心电识别单元；

所述基于多个所述波频单元构建多尺度空间信号，包括：

将每个所述导联的多个所述波频单元横向构成二维波频数据；

将多个所述导联的二维波频数据进行纵向叠加，获得所述多尺度空间信号；

所述基于所述多尺度空间信号，获得所述ECG信号的疾病预测结果，包括：

将所述多尺度空间信号输入卷积神经网络中，所述卷积神经网络输出所述ECG信号的疾病预测结果；

所述将所述多尺度空间信号输入卷积神经网络中，所述卷积神经网络输出所述ECG信号的疾病预测结果，包括：

将所述多尺度空间信号输入卷积神经网络的输入层，通过至少两个神经网络单元对所述多尺度空间信号进行处理，获得第一处理数据，其中，所述神经网络单元至少对所述多尺度空间信号进行两次卷积处理后，至少再进行一次池化处理；

对所述第一处理数据进行卷积处理，获得第二处理数据；

对所述第二处理数据进行池化处理，获得第三处理数据；

通过全连接层对所述第三处理数据进行处理，获得第四处理数据；

通过SoftMax分类器对所述第四处理数据进行分类，并通过卷积神经网络的输出层输出所述疾病预测结果。

3.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现一种基于ECG的疾病预测方法的步骤；

一种基于ECG的疾病预测方法，包括：

基于每个导联的ECG信号获得心电识别单元，所述心电识别单元为所述ECG信号中至少包括一个心动周期的波段；

将所述心电识别单元分解到多个尺度空间中，对应获得多个波频单元，所述波频单元表征所述心电识别单元在所述尺度空间的心电信号特征；

基于多个所述导联的多个所述波频单元构建多尺度空间信号，所述多尺度空间信号表征所述心电识别单元在一个多维空间的心电信号特征；

基于所述多尺度空间信号，获得所述ECG信号的疾病预测结果；

所述基于每个导联的ECG信号获得心电识别单元，包括：

对所述ECG信号进行分割，获得N个R波段，每个所述R波段是两个相邻的所述ECG信号R波顶点之间的波段，所述N是正整数；

将第i个R波段与第i+1个R波段进行组合，获得第i个所述心电识别单元；所述i是小于所述N的正整数；

所述将所述心电识别单元分解到多个尺度空间中，对应获得多个波频单元，包括：

基于多个所述导联的多个所述心电识别单元进行多次小波变换，每进行小波变换一次，对应获得一个所述尺度空间的所述波频单元；

所述基于多个所述导联的多个所述心电识别单元进行多次小波变换，每进行小波变换一次，对应获得一个所述尺度空间的所述波频单元，包括：

对第j个波频单元进行小波变换，获得第j+1个波频单元，其中，j是正整数，当j＝1时，第j个波频单元是所述心电识别单元；

所述基于多个所述波频单元构建多尺度空间信号，包括：

将每个所述导联的多个所述波频单元横向构成二维波频数据；

将多个所述导联的二维波频数据进行纵向叠加，获得所述多尺度空间信号；

所述基于所述多尺度空间信号，获得所述ECG信号的疾病预测结果，包括：

将所述多尺度空间信号输入卷积神经网络中，所述卷积神经网络输出所述ECG信号的疾病预测结果；

所述将所述多尺度空间信号输入卷积神经网络中，所述卷积神经网络输出所述ECG信号的疾病预测结果，包括：

将所述多尺度空间信号输入卷积神经网络的输入层，通过至少两个神经网络单元对所述多尺度空间信号进行处理，获得第一处理数据，其中，所述神经网络单元至少对所述多尺度空间信号进行两次卷积处理后，至少再进行一次池化处理；

对所述第一处理数据进行卷积处理，获得第二处理数据；

对所述第二处理数据进行池化处理，获得第三处理数据；

通过全连接层对所述第三处理数据进行处理，获得第四处理数据；

通过SoftMax分类器对所述第四处理数据进行分类，并通过卷积神经网络的输出层输出所述疾病预测结果。