[发明专利]一种I导联心电数据识别方法及系统

说明书

本发明公开了一种I导联心电数据识别方法及系统，所述方法包括构建I导联心电数据识别神经网络模型，将构建好的I导联心电数据识别神经网络模型设置于I导联心电设备中，采集待识别的I导联心电数据，并通过I导联心电数据识别神经网络模型进行识别，识别出待识别的I导联心电数据的判断结果，I导联心电设备依据所述判断结果进行显示；通过构建I导联心电数据识别神经网络模型，并将I导联心电数据识别神经网络模型设置于I导联心电设备中，能够使得I导联心电设备自主对采集到的I导联心电数据进行识别，避免了发送至云端服务器进行处理，此外，通过采用I导联心电设备，能够实现全天候使用的效果，从而降低老年人操作的步骤，提高便捷性。

技术领域

本发明涉及心电数据识别的技术领域，尤其涉及一种I导联心电数据识别方法及系统。

背景技术

心血管疾病作为目前最难以治愈的疾病之一，为了能够很好地预防心血管疾病，一般都会对心电数据进行实时的监测和分析，从而通过识别心电数据是否异常而进行预防，现有技术中，一般都会采用多导联心电设备采集心电数据，通过将心电数据发送至云端服务器中，由运行在云端服务器中的人工智能算法实现判读，从而实现心电数据的识别。

然而，通过多导联心电设备采集心电数据，并将心电数据发送至云端服务器中进行运行，需要多导联心电设备连接网络或者连接手机进行使用，在没有网络的时候，就会存在不能进行发送至云端服务器中运算识别的情况，而且，通过手机连接多导联心电设备往往需要在手机应用中连接终端设备，申请账户等繁琐的步骤，对于老年人来说，使用起来就没那么直观方便。

发明内容

有鉴于此，本发明提出一种I导联心电数据识别方法及系统，可以解决现有心电数据识别所存在的没有网络无法运算识别和使用麻烦的缺陷。

本发明的技术方案是这样实现的：

一种I导联心电数据识别方法，所述方法基于I导联心电设备，包括以下步骤：

步骤S1，构建I导联心电数据识别神经网络模型，所述I导联心电数据识别神经网络模型的输入端为I导联心电数据，所述I导联心电数据识别神经网络模型的输出端为I导联心电数据是否异常的判断结果；

步骤S2，将构建好的I导联心电数据识别神经网络模型设置于I导联心电设备中；

步骤S3，I导联心电设备采集待识别的I导联心电数据，并通过I导联心电数据识别神经网络模型进行识别；

步骤S4，I导联心电数据识别神经网络模型输出待识别的I导联心电数据的判断结果，I导联心电设备依据所述判断结果进行显示。

作为所述I导联心电数据识别方法的进一步可选方案，所述步骤S1中的构建I导联心电数据识别神经网络模型，具体包括以下步骤：

步骤S11，采集I导联心电数据及其对应的心电判断结果；

步骤S12，对所述I导联心电数据进行预处理，得到训练数据矩阵；

步骤S13，将所述训练数据矩阵和心电判断结果输入深度卷积神经网络模型进行训练，得到I导联心电数据识别神经网络模型。

作为所述I导联心电数据识别方法的进一步可选方案，所述深度卷积神经网络模型采用ResECG11深度卷积神经网络。

作为所述I导联心电数据识别方法的进一步可选方案，所述ResECG11深度卷积神经网络包括卷积层、归一化层、正交线性单元层、恒等映射模块和全连接层。

作为所述I导联心电数据识别方法的进一步可选方案，所述步骤S12包括以下步骤：

步骤S121，对I导联心电数据进行截取，得到截取后的I导联心电数据；

步骤S122，将截取后的I导联心电数据通过线性插值算法进行处理，得到训练数据矩阵。