[发明专利]一种用于心搏数据的滑动检测方法和装置

说明书

本发明实施例涉及一种用于心搏数据的滑动检测方法和装置，所述方法包括：步骤1对一维心电数据进行滑动片段划分处理生成滑动片段组；步骤2初始化片段索引为1、片段总数为滑动片段组的滑动片段总数；步骤3调用目标检测算法对片段索引对应的滑动片段进行心搏信号数据特征识别处理生成片段索引第一识别框序列；对片段索引第一识别框序列进行R点时间绝对值转换处理生成片段索引第二识别框序列；步骤4片段索引加1；步骤5如片段索引大于片段总数转步骤6，如片段索引小于或等于片段总数转步骤3；步骤6对滑动识别框序列进行达标心搏信号筛查处理；对滑动识别框序列进行重复识别框筛查处理；步骤7生成心搏数据滑动检测结果序列。

技术领域

本发明涉及心电信号处理技术领域，特别涉及一种用于心搏数据的滑动检测方法和装置。

背景技术

心电数据是一组与心脏心动周期相关的电信号数据，心电分析是对采集的心电数据进行特征分析。使用深度学习目标检测原理对一维心电数据进行特征识别是当下较为先进的智能心电分析方式，其实现手段是通过对连续心电数据进行片段化之后，将单元片段心电数据输入基于卷积神经网络(Convolutional Neural Network，CNN)原理训练实现的预测网络模型进行R点预测，最终在每个时间栅格内预测出若干个R点预测识别框形成识别框序列，理想的单个预测识别框内最多包含一个心搏信号也即最多包括一个R点。这样的处理方法中，预测网络模型的计算样本数量与预测精度是成正比的。原理上，默认提高心电片段划分细度和片段栅格细度都可以达到增大计算样本的目的；可是，由于片段栅格细度在卷积神经网络中与计算量是指数级关系，也就是说在实际应用中，如果想通过提高片段栅格细度来提高计算精度，将会成倍甚至十数倍增加心电图设备的软硬件成本。

发明内容

本发明的目的，就是针对现有技术的缺陷，提供一种用于心搏数据的滑动检测方法和装置，在不增加片段栅格细度的前提下，对心电数据片段的顺序划分原则进行改造，将原有的顺序相邻划分方式改进为滑动重叠划分方式，将原方案中被忽视的片段与片段间的连接地带的片段栅格也纳入有效识别范围中。如此，在不增加软硬件成本、不细化片段栅格细度的前提下，也能实现增加计算样本量数量的目的，同时又在原有方案上进一步覆盖了被忽视的片段连接处心电数据。

为实现上述目的，本发明实施例第一方面提供了一种用于心搏数据的滑动检测方法，其特征在于，所述方法包括：

步骤1，以预置片段滑动步长阈值为片段起始时间参考信息，以预置片段时间阈值为片段固定长度信息，对一维心电数据进行滑动片段划分处理生成滑动片段组；所述滑动片段组包括多个滑动片段；

步骤2，初始化滑动识别框序列为空，初始化片段索引的值为1，初始化片段总数为所述滑动片段组的滑动片段总数；

步骤3，调用目标检测算法对所述片段索引对应的滑动片段进行心搏信号数据特征识别处理生成片段索引第一识别框序列；根据所述预置片段滑动步长阈值和所述片段索引对所述片段索引第一识别框序列进行R点时间绝对值转换处理生成片段索引第二识别框序列；提取所述片段索引第二识别框序列的所有第二识别框向所述滑动识别框序列进行识别框添加操作；所述片段索引第一识别框序列包括多个第一识别框；所述片段索引第二识别框序列包括多个所述第二识别框；所述第二识别框包括心搏信号概率、R点时间数据、QRS宽度和心搏分类概率；所述滑动识别框序列包括多个所述第二识别框；

步骤4，将所述片段索引加1；

步骤5，判断所述片段索引是否大于所述片段总数，如果所述片段索引大于所述片段总数则转至步骤6，如果所述片段索引小于或等于所述片段总数则转至步骤3；

步骤6，根据预置心搏信号概率阈值和所述心搏信号概率对所述滑动识别框序列进行达标心搏信号筛查处理；根据预置识别框重叠比例阈值和所述R点时间数据对所述滑动识别框序列进行重复识别框筛查处理；

步骤7，提取所述滑动识别框序列的所有所述第二识别框的所述R点时间数据、所述QRS宽度和所述心搏分类概率，生成心搏数据滑动检测结果序列。