[发明专利]一种基于深度学习的QRS波检测方法

说明书

本发明提出一种基于深度学习的QRS波检测方法，耗时较短，工序简单，准确率高，可以快速准确检测出QRS波，并且也可以应用于检测心脏病疾病的医疗移动设备；本发明提出一种空洞卷积，在基本的神经网络算法之上添加一种空洞卷积，通过空洞卷积可以保持卷积核不变的同时，增大卷积的视野，大大提高QRS波的检测精度；本发明不需要心电信号预处理，波形特征提取等操作，直接使用深度学习代替，节省了时间，减少了工作量，不需要人工识别，提高了工作效率。

技术领域

本发明涉及QRS波检测技术领域，尤其涉及一种基于深度学习的QRS波检测方法。

背景技术

心血管疾病是危害人类身体健康的主要疾病之一，而心电图(electrocardiography,ECG)是诊断心血管疾病的重要手段，也是反映心脏周期性活动的重要指标，在临床上得到广泛的应用，如何使用计算机对心电图做出快速、准确的分析一直是一个热门课题。心电信号中的波形定位和特征提取是心电诊断和分析的基础，其准确性和可靠性是诊断其他心脏疾病的关键。其中QRS波的检测是ECG信号中的一个重要的内容，在这个基础之上才能正确检测其他波形，如检测P波、T波、PR间期、ST段等，通过QRS波检测计算出的心动周期也是诊断心律失常的重要依据之一，因此QRS波的检测是心电信号分析的基础。

过去十几年来，QRS波检测算法经过多年的发展，较为传统的算法一般包括小波变换法、差分阈值法、经验模态分解法等，这些算法的主要步骤包括对心电信号进行预处理，提取特征和检测分类等操作，但往往只能针对特定的心电数据库中的数据，对心电信号的质量和干扰非常敏感，通用性不强。人工智能的发展尤其是深度学习的出现，为QRS波检测提供了一种全新的解决方案，利用精心设计的神经网络架构，深度学习模型能从各种类型的心电图数据中自主提取特征，从而精准定位QRS波，准确率高，还可以实现在穿戴式设备上的实时检测。

发明内容

本发明的目的在于提出一种耗时较短，工序简单，准确率高的QRS波检测方法。

为达到上述目的，本发明提出一种基于深度学习的QRS波检测方法，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。

优选的，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。

优选的，在步骤2中，所述QRS波检测模型为预先利用卷机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。

优选的，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(BatchNormalization)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(BatchNormalization)+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(Sequeeze-and-Excitation)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。