[发明专利]基于深度自编码器的QRS波群形态识别方法和装置

说明书

本申请涉及一种基于深度自编码器的QRS波群形态识别方法和装置，以不同形态类型QRS波群形成若干训练集，并分别训练构建多个深度自编码器模型，而后新的待测心拍分别输入到训练好的所有深度自编码器模型中，通过对比输入与输出的均方误差，选取均方误差中的最小值来确定QRS波群的形态类型，使得本申请的基于深度自编码器的QRS波群形态识别方法和装置具有识别准确度高，不依赖判断者经验的优点。

技术领域

本申请属于心电图处理技术领域，尤其是涉及一种基于深度自编码器的QRS波群形态识别方法和装置。

背景技术

心电图(ECG)是从体表记录心脏每一心动周期所产生的电活动变化形成的图形。QRS波群是ECG中最重要和最独特的组成部分，其含有大量的诊疗信息。在心电图上表现为占时短但振幅较高的波群，代表着左右心室的除极过程。典型的QRS波群由三个紧密连接的波组成，首先出现的是一个自基线向下的q波，继而出现一个向基线上高高耸起的尖锐R波，之后立即出现一个向基线以下的s波，但QRS波群形态多样，并不是所有QRS波群都包含以上三个波。QRS波群的持续时间，幅度和形态可用于诊断心律不齐、传导异常、心室肥大、心肌梗塞、电解质紊乱和其他疾病状态，且每种病理均与不同的QRS复杂形态和极性相关。心电图中准确有效的QRS波群的形态分类对于心脏疾病的计算机辅助诊断至关重要。目前，现有的QRS波群形态分类算法将QRS波群分为宽大畸形、正常波群、R波倒置这三种，将所有出现的QRS波群都笼统的分为这几类，并没有考虑到不可确定的类型，但不同的QRS波群形态往往对应着不同的心脏疾病。目前对于QRS波群形态分类通常是由医生观测心电图得到，完全凭借医生自身经验，具有分类不够精确的缺点。

发明内容

本发明要解决的技术问题是：为解决现有技术中对心电图中QRS波群形态类别识别的准确率较低的不足，从而提供一种基于深度自编码器的QRS波群形态识别方法和装置。

本发明解决其技术问题所采用的技术方案是：

一种基于深度自编码器的QRS波群形态识别方法，包括以下步骤：

S1：获取训练数据库，训练数据库为已知QRS波群形态类型的心拍数据，所述心拍数据以R波波峰为基准点，向前取若干点，向后取若干点组成；训练数据库覆盖若干种QRS波群形态类型，并将不同形态类型QRS波群进行分类形成若干训练集；

S2：分别将所有训练集分别作为深度自编码器的输入和输出训练得到若干深度自编码器模型；

S3：将新的待测心拍作为输入，分别输入S2步骤所得的所有深度自编码器模型得到若干深度自编码器模型的输出，将所有深度自编码器模型的输出和输入进行均方误差的计算，找出均方误差中的最小值及对应的深度自编码器模型，判定待测心拍为对应的深度自编码器模型训练时采用的QRS波群形态类型。

优选地，本发明的基于深度自编码器的QRS波群形态识别方法，S3步骤中，还将均方误差中的最小值与设定的阈值进行比较，小于等于设定的阈值的则判定待测心拍为对应的深度自编码器模型训练时采用的QRS波群形态类型，大于设定的阈值的则判定待测心拍为不可确定类型。

优选地，本发明的基于深度自编码器的QRS波群形态识别方法，所述心拍数据以R波波峰为基准点，向前取160个点、向后取200个点的数据组成，QRS波群形态类型包括R型，RS型，QS型，qR型，qRs型，Rs型，QR型这七种。

优选地，本发明的基于深度自编码器的QRS波群形态识别方法，S1步骤中还包括对心拍数据进行预处理的步骤，包括：

采用预设截止频率的滤波器对所述心电信号进行滤波处理；

和/或

判断所述心拍数据的采样频率是否为预设频率；

当所述采样频率不是所述预设频率时，采用内插法将所述心拍信号重采样为所述预设频率的心拍信号。