[发明专利]一种结合小波变换和图像分割网络的QRS波识别方法

权利要求书

1.一种结合小波变换和图像分割网络的QRS波识别方法，其特征在于，所述方法包括：

步骤(1)对训练样本库中每个一维心电数据进行降噪处理，得到良好的训练数据样本，每个一维心电数据样本大小为5000；

步骤(2)为得到心电信号的频域信息，对步骤(1)中的训练数据样本进行小波变换，将一维心电信号张成二维频谱图像，每张图像大小为5000*512；

步骤(3)为扩大样本容量、减小后期网络的训练计算量，对步骤(2)中所得到的二维频谱图像进行切割处理，分成5分，每个切割之后频谱图的大小为1200*512；

步骤(4)将步骤(3)中切割之后频谱图输入图像分割网络，对其进行训练，得到可以进行逐像素二分类预测的灰度图；

步骤(5)将步骤(4)中预测的灰度图进行QRS波定位计算，得到具体QRS波的定位点。

2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中的降噪处理具体包括：利用低通滤波器去除肌电干扰信号、利用带馅滤波器抑制工频干扰信号、利用零相移滤波器纠正基线漂移。

3.根据权利要求1所述的方法，其特征在于，所述步骤(2)中小波变换具体包括：对于小波函数本方法选择Mexican Hat函数，设置小波变换的宽度为256，由于目标检测网络对图片的中心位置具有偏向性，所以对小波变换后的频谱图进行翻转拼接，使得QRS波位置始终处于图片的中心。

4.根据权利要求1所述的方法，其特征在于，所述步骤(3)中的过程具体包括：对(2)中分辨率为5000*512的二维频谱图像，进行滑窗切割，窗口大小设置为1200，对图像的初始位置与终点位置分别填充100个单位的0像素值，最终取得的1200*512分辨率图片的中心位置图像数据，即前后除去100像素值的数据，只留下中心QRS波的数据，每一张原始图像被分割为5张1000*512分辨率的二维心电图像，采用滑窗切割的方法对图片进行切片时，可以很好的将图像边缘数据向中心移动，减小边缘检测的难度，提高训练精度。

5.根据权利要求1所述的方法，其特征在于，所述步骤(4)中数据输入图像分割网络具体包括：将步骤(3)中切割之后频谱图像的数据制作网络模型可接受的数据集，以原始QRS波的位置为中心设置宽为64，高为512作为输入图像分割网络(U-net)的label，并随机选取80％的原始心电二维图像数据作为U-net的训练验证集，剩余数据作为网络测试集，将准备好的训练验证集输入U-net网络进行数据训练，网络训练好之后，将测试集输入U-net网络对模型进行测试，得到可以进行逐像素二分类预测的灰度图。

6.根据权利要求1所述的方法，其特征在于，所述步骤(5)中QRS波定位计算具体包括：对步骤(5)中的由测试图像输入U-net网络得到的二分类预测灰度图的每一张，进行如下操作：从图像的第一列开始判断，若第一列中70％及以上的像素点都为1，则第一列属于QRS波所在范围内，记录第一列所在位置；反之不记录第一列信息，转到下一列。若前一列信息被记录时，当前列仍属于QRS波所在范围内，则不记录当前列所在信息；当前列不属于QRS波所在范围内，则记录当前列信息，若前一列信息没有被记录时，当前列属于QRS波所在范围内，则记录当前列所在信息；当前列不属于QRS波所在范围内，则不记录当前列信息，以此类推，直至遍历这张图片所有列，得到满足条件的列所在位置，每相邻两项取均值，则为QRS波定位的具体位置。