[发明专利]一种单心拍分类方法、装置、设备及计算机可读存储介质

说明书

本发明涉及一种单心拍分类方法，通过提取每个单心拍信号的特征，将每个单心拍信号和每个单心拍信号的特征输入至第一分类网络中，利用第一分类网络学习相邻心拍信号之间的特征变化规律，输出每个单心拍信号的权重和类别；将每个单心拍信号的权重和类别进行合并，输出每个单心拍信号为非异常心拍或异常心拍的分类结果；将异常心拍和异常心拍的特征输入至第二分类网络中，通过第二分类网络学习异常心拍之间的特征变化规律，输出异常心拍为室上性异常心拍或室性异常心拍的分类结果。本发明通过考虑每个单心拍信号和每个异常心拍之间的特征变化规律，能够有效提高心拍分类的准确性，提高基于人工智能系统的疾病检测性能。

技术领域

本发明涉及人工智能和信号处理技术领域，尤其是指一种单心拍分类方法、装置、设备及计算机可读存储介质。

背景技术

根据AAMI标准，在心电图中，心律失常分为五大类，既非异常心拍、室上性异常心拍，室性异常心拍，融合心拍以及未知心拍。其中，室上性异常和室性异常心拍具有较高的分类难度。

单心拍分类方法是对单个心拍进行分类。现有的单个心拍分类算法实现形式有：一对单个心拍直接进行分类，使用分类器深度学习。二对单个心拍进行特征提取，如提取当前心拍的间期、小波分量、偏度、峰度、样本熵等，然后将这些特征送物分类器进行分类，分类器有随机森林、SVM以及深度学习网络等。但是未考虑心拍特征之间的变化规律，从而不能有效的提高心拍的分类准确率。因此，需要设计一种单心拍分类方法。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中未考虑心拍特征之间的变化规律，而导致心拍的分类不准确的缺陷。

为解决上述技术问题，本发明提供了一种单心拍分类方法，包括：

获取连续心拍信号，根据所述连续心拍信号的R波位置将所述连续心拍信号分割，获得单心拍信号；

提取每个单心拍信号的特征，将所述每个单心拍信号和所述每个单心拍信号的特征输入至第一分类网络中，通过所述第一分类网络逐步下采样学习相邻心拍信号之间的特征变化规律，输出所述每个单心拍信号的权重和类别；

将所述每个单心拍信号的权重和类别进行合并，输出所述每个单心拍信号为非异常心拍或异常心拍的分类结果；

将所述异常心拍和所述异常心拍的特征输入至第二分类网络中，通过所述第二分类网络逐步下采样学习所述异常心拍之间的特征变化规律，输出所述异常心拍为室上性异常心拍或室性异常心拍的分类结果。

在本发明的一个实施例中，所述获取连续心拍信号，根据所述连续心拍信号的R波位置将所述连续心拍信号分割，获得单心拍信号包括：

获取所述连续心拍信号，利用带通滤波器对所述连续心拍信号进行去噪，根据所述连续心拍信号的R波位置将所述连续心拍信号进行分割，获得所述单心拍信号。

在本发明的一个实施例中，所述提取每个单心拍信号的特征包括：提取所述每个单心拍信号的R波前后间期、T波存在标志、P波存在标志和偏度值。

在本发明的一个实施例中，所述提取所述每个单心拍信号的T波存在标志和P波存在标志包括：

将所述每个单心拍信号分别输入至T波存在标志提取网络和P波存在标志提取网络中，分别识别所述每个单心拍信号中的T波和P波，输出所述每个单心拍信号的T波识别结果和P波识别结果；

对所述每个单心拍信号的T波识别结果和P波识别结果进行计算处理，获得计算后的T波结果值和P波结果值；

若所述T波结果值大于第一阈值，则所述单心拍信号存在T波，否则不存在T波；

若所述P波结果值大于第二阈值，则所述单心拍信号存在P波，否则不存在P波。