[发明专利]一种基于深度学习多目标检测同时定位心电P波、QRS波、T波位置的方法

权利要求书

1.一种基于深度学习多目标检测同时定位心电P波、QRS波、T波位置的方法，其特征在于：所述方法包括：

步骤S1：采集心电信号，对心电信号进行降噪处理；

步骤S2：将标记好的心电数据进行设定时间长度截取，并确保心电样本数据集包含所有心电数据P波、QRS波、T波的不同情况，将上述心电数据集进行P波、QRS波、T波的开始结束位置标记得到标记数据集；

步骤S3：对截取并标记好的样本数据进行深度学习目标检测中的先验框处理，先验框的宽度与P波、QRS波、T波的宽度相关，由此样本数据上生成多个先验框；根据深度学习目标检测中将先验框与实际标注P波、QRS波、T波位置转化为偏移量的关系，从而得到模型训练需要的数据集；

步骤S4：使用深度学习目标检测对心搏检测识别使用的特征提取网络；

步骤S5：根据深度学习目标检测算法中的建议框检测算法，将步骤S3中制作好的训练集数据输入模型，通过模型进行回归和分类运算区分出设定时间长度的心电数据中哪些部分是含有P波、QRS波、T波位置的建议框；

步骤S6：进行建议框偏移量数据集处理；

步骤S7：建议框二次处理，将上一步得到的建议框与真实标记的P波、QRS波、T波的位置进行交并比计算，将大于某个阈值的建议框作为正向样本，并标记这些正向样本的P波、QRS波、T波类别，小于某个阈值的为负向样本，并将正负样本建议框编码为与真实框的偏移量的系数关系，作为分类层样本数据；

步骤S8：将通过特征提取网络获取到的输出特征与步骤S7中的分类样本数据输入分类层，通过二次处理的建议框在提取的特征上进行截取，因为建议框长度不同，因此要将其长度变为相同尺寸再输入分类层，通过分类层得到预测框偏移量及对应的预测框类别；

步骤S9：最终利用心电数据通过模型预测得到得P波、QRS波、T波的开始结束位置及类别。

2.根据权利要求1所述的一种基于深度学习多目标检测定位心电P波、QRS波、T波位置的方法，其特征在于：所述步骤S4中，特征提取网络使用了ResNet结构。

3.根据权利要求1或2所述的一种基于深度学习多目标检测定位心电P波、QRS波、T波位置的方法，其特征在于：所述步骤S4中，使用了特征层上下叠加的类金字塔网络实现心电数据特征提取网络，构建两个不同大小的特征层，并确保设置的先验框能够包含实际标注的P波、QRS波、T波位置，将截取的设定时间长度内的心电数据输入特征提取网络得到心电数据特征。

4.根据权利要求1所述的一种基于深度学习多目标检测定位心电P波、QRS波、T波位置的方法，其特征在于：步骤S6中，根据上一层得到的建议框位置会有多个重复或叠加的情况，在深度学习目标检测算法中使用到非极大值抑制的方式来清除该类建议框，但由于该建议框处理层不是最终结果，因此使用的非极大值抑制的阈值较大，保留部分建议框进一步处理。

5.根据权利要求1所述的一种基于深度学习多目标检测定位心电P波、QRS波、T波位置的方法，其特征在于：步骤S9中，得到的预测框会有重叠的情况，使用非极大值抑制消除这些重复的预测框。

6.根据权利要求1所述的一种基于深度学习多目标检测定位心电P波、QRS波、T波位置的方法，其特征在于：所述步骤S1中，设定的时间长度为8-20s。

7.根据权利要求1所述的一种基于深度学习多目标检测同时定位心电P波、QRS波、T波位置的方法，其特征在于：所述步骤S3中，在确定的采样频率下，得到多个预选窗口，使用上述预选窗口和标记数据真实窗口进行目标检测中iou交并比例计算，该交并比计算方式为通用图像目标检测中方法类型，将二维计算降为心电数据中一维计算，通过iou计算得到交并比例，将不同交并比范围内的预测窗口分为正向样本，负向样本以及背景并分别进行标记，并将正向样本中预选框与真实框计算获得每个预选窗口对真实窗口的偏移量。

8.根据权利要求7所述的一种基于深度学习多目标检测同时定位心电P波、QRS波、T波位置的方法，其特征在于：将正向样本标记为1，背景为0，负向样本为-1。