[发明专利]一种亚群体深度学习框架下的心律失常识别方法

权利要求书

1.一种亚群体深度学习框架下的心律失常识别方法，其特征在于，包括如下步骤：

S1、获取病人的数据信息，所述数据信息至少包括：单导联心电信号数据、年龄和/或性别；

S2、根据病人的年龄和/或性别，将病人的单导联心电信号数据输入相应的样本空间的心率识别模型中，获得病人的心律识别结果；

其中，所述心率识别模型为基于亚群体样本空间深度学习框架下建立的模型。

2.根据权利要求1所述的亚群体深度学习框架下的心律失常识别方法，其特征在于，所述步骤S2还包括：

S21、根据病人的年龄和/或性别，以及现有人群的数据单导联心电信号数据，建立基于单导联心电信号数据的亚人群样本空间，分为训练集和测试集，其中训练集和测试集中不包含来自同一个病人的心电信号；

S22、对亚人群样本空间中的单导联心电信号进行预处理，滤除噪声并进行归一化处理；

S23、利用预设方法在深度学习框架下从所述单导联心电信号中提取特征，并在所述特征的基础上识别心律失常。

3.根据权利要求2所述的亚群体深度学习框架下的心律失常识别方法，其特征在于，所述步骤S21包括如下步骤：

S211、将单导联心电信号分为训练集和测试集，所述训练集和测试集中不包含来自同一个病人的心电信号；

S212、根据病人的数据信息对训练集和测试集中的心电信号分组，建立不同亚人群下的样本空间。

4.根据权利要求2所述的亚群体深度学习框架下的心律失常识别方法，其特征在于，

所述步骤S22包括如下子步骤：

S221、用小波变换滤去信号中的噪声，并进行归一化处理；

S222、针对心电信号中的每一个R峰，选取附近采样点构成单拍心跳；

S223、由心电信号的R峰，计算出RR间期。

5.根据权利要求2所述的亚群体深度学习框架下的心律失常识别方法，其特征在于，所述步骤S23中的预设方法包括如下步骤：

S231、从单拍心跳中用深度学习网络提取深度特征；

S232、根据RR间期建立人工特征，与深度特征融合；

S233、将融合后的特征送入深度学习分类器中。

6.根据权利要求5所述的亚群体深度学习框架下的心律失常识别方法，其特征在于，

所述步骤S231中，所述深度学习网络包括卷积神经网络和长短期记忆神经网络中的至少一个。

7.根据权利要求5所述的亚群体深度学习框架下的心律失常识别方法，其特征在于，

所述步骤S233中，所述深度学习分类器为至少两层的全连接层。

8.根据权利要求4所述的亚群体深度学习框架下的心律失常识别方法，其特征在于，

由心电信号的R峰位置，计算当前心跳的R峰与前一个心跳的R峰之间的时间差作为当前RR间期：

其中，R(n)指当前心跳的R峰采样点，R(n-1)指前一个心跳的R峰采样点，f_s指心电信号的采样频率。