[发明专利]一种基于心电信号的房颤检测方法

说明书

本发明属于人工智能领域，具体涉及一种基于心电信号的房颤检测方法，包括如下步骤：步骤一，用户佩戴心电信号采集设备，利用最高采样频率采集心电信号，对不同心电信号记录进行房颤分类；步骤二，对不同心电信号记录按心跳周期进行分割，得到不同心跳心电记录序列；步骤三，定义粒子群优化算法目标函数；步骤四，利用粒子群优化算法优化目标函数，得到最优心电信号采样频率。通过实现基于长短时记忆网络对心电信号序列进行学习，利用粒子群优化算法对心电信号采样频率进行优化，降低了医生的工作负担及误报率。

技术领域

本发明属于人工智能领域，具体涉及一种基于心电信号的房颤检测方法。

背景技术

随着人口老龄化，近年来心脏病的发病率持续增高。预计到2030年，全球心血管疾病死亡人数将增加到2360万。心脏病将成为未来造成人类死亡的最主要原因，严重威胁全球范围内人们的健康。心房颤动作为心脏病中最普遍的一种病症，通常被称为房颤。房颤的发病率会随着患者年龄的增长而显著增高。房颤发生时，心房会失去正常有效的收缩功能，处于紊乱的颤动状态。房颤引起的脑卒中，心功能恶化时病人致死致残的重要原因。但是，部分患者在症状不明显情况下会错过诊治。因此，如何准确检测到病人是否发生房颤十分重要。

目前最常用的房颤检测方法是通过医生判断采集到的心电信号。这种方法需要医生根据经验通过视觉判读心电信号，大大增加了医生的工作负担及误报率。

本发明提出一种基于心电信号的房颤检测方法。考虑到不同于其他数据驱动方法，长短时记忆网络方法可以避免对心电信号的预处理，直接对心电信号序列进行学习，因此本发明基于长短时记忆网络对心电信号序列进行学习，利用粒子群优化算法对心电信号采样频率进行优化，得到一种房颤检测方法。

发明内容

本发明的目的在于提供一种基于心电信号的房颤检测方法，以实现基于长短时记忆网络对心电信号序列进行学习，利用粒子群优化算法对心电信号采样频率进行优化。

为实现上述目的，本发明具体提供的技术方案为：一种基于心电信号的房颤检测方法，包括如下步骤：

步骤一，用户佩戴心电信号采集设备，利用最高采样频率采集心电信号，对不同心电信号记录进行房颤分类；

步骤二，对不同心电信号记录按心跳周期进行分割，得到不同心跳心电记录序列；

步骤三，定义粒子群优化算法目标函数；

步骤四，利用粒子群优化算法优化目标函数，得到最优心电信号采样频率。

进一步，所述步骤一具体为，不同用户N名，佩戴心电信号采集设备，在心电信号采集设备允许的最大采样频率w_max下，对每名用户采集心电信号两分钟，最终得到N条时长为m分钟的心电信号数据，对这N条心电信号数据进行是否房颤信号的分类，将数据及房颤标签一起存储。

进一步，所述N名不同用户中其中N/2名用户具有房颤特征。

进一步，所述步骤二具体为：心电信号具有周期性，在进行房颤分类模型训练前，需要对心跳数据记录按照心跳周期分割，每个心跳周期内，心电信号波形包括P波、QRS波群、T波、R波。

进一步，所述R波特征最为明显，包括了心跳周期内心电信号的最大值，检测R波波峰，对波峰前后一段时间的心电信号进行组合，最终得到分割成不同心跳周期的心电信号，并将分割前的房颤信号标签保留到分割后的心电信号。

进一步，所述步骤三具体为，

一、定义优化变量为采样频率w，根据采样频率物理意义可知优化变量的定义域是正整数，小于心电信号采集设备所允许的最高采样频率w_max；

二、照采样频率w，对分割成不同心跳周期的心电信号数据进行重新采样；