[发明专利]一种基于深度学习的QRS波检测方法

权利要求书

1.一种基于深度学习的QRS波检测方法，其特征在于，包括以下步骤：

步骤1：采集待分析的心电数据；

步骤2：利用预先构建的QRS波检测模型对所述待分析的心电数据进行QRS波的识别处理，获取识别结果；

步骤3：利用决策模块对所述识别结果进一步进行QRS波的修正和定位，得到原始心电图上所有QRS波的位置信息；

步骤4：根据所述QRS波的位置信息定位QRS波；

在步骤2中，所述QRS波检测模型为预先利用卷积 人工神经网络算法训练心电数据样本构建的卷积神经网络模块；

所述卷积神经网络模块对输入的所述待分析的心电数据用三组卷积进行特征提取，每组有六个卷积，卷积核大小分别是11，7，7，5，5，5；

三组卷积具有不同的空洞率，第一组卷积的空洞率为1，1，1，1，1，1；第二组卷积的空洞率为2，2，4，8，8，8；第三组卷积的空洞率为4，4，8，16，32，64；

每一组卷积组成模式是：一个卷积+批量归一化层+最大池化层+两个卷积+批量归一化+最大池化层+Dropout+三个卷积+批量归一化层+最大池化层；

接着用一个Concatenate函数把三组卷积取到的特征拼接一起，然后用一个SENet对特征的重要性进行调整，接入3个全连接层，最后采用sigmoid激活函数判断每个数据点属于QRS波的概率；

每一个卷积里面添加空洞卷积，增大卷积的视野，还添加激活函数，所述激活函数为ReLU激活函数。

2.根据权利要求1所述的基于深度学习的QRS波检测方法，其特征在于，在步骤1中，所述待分析的心电数据时长为10秒，采样频率为500Hz。

3.根据权利要求1所述的基于深度学习的QRS波检测方法，其特征在于，在步骤3中，利用所述决策模块对所述识别结果进一步进行QRS波的修正和定位，包括以下步骤：

步骤3.1：对整个心电图进行扫描；

步骤3.2：寻找QRS波概率大于0.5的连续3个及以上数据点；

步骤3.3：将满足条件的连续点的中点作为QRS波候选点；

步骤3.4：对所有候选点间的间距进行计算；

步骤3.5：对两个候选点间隔小于0.2s，对这两个点属于QRS波的概率进行判断，删除概率低的候选点，保留概率高的候选点；

步骤3.6：把所有保留的数据点数值乘以8，得到原始心电图上所有QRS波的位置信息。