[发明专利]基于卷积神经网络的QT间期延长识别方法及系统

权利要求书

1.一种基于卷积神经网络的QT间期延长识别方法，其特征在于，包括：

S1：采集受试者的心电图，对心电信号进行预处理；

S2：对预处理后的心电信号进行波形检测，得到波形检测结果；

S3：根据所述波形检测结果计算QTc值；

S4：利用卷积神经网络和注意力机制构建QT间期延长识别模型，并使用S3得到的数据训练所述QT间期延长识别模型；

S5：使用训练好的QT间期延长识别模型对未知QT间期状态的信号进行预测，实现QT间期延长的识别。

2.如权利要求1所述的基于卷积神经网络的QT间期延长识别方法，其特征在于：S1中利用可穿戴动态心电监护仪采集受试者的心电图。

3.如权利要求1所述的基于卷积神经网络的QT间期延长识别方法，其特征在于：S1中对心电信号进行预处理的方法包括：

S1-1：对采集到的心电信号进行低通滤波处理，得到去噪后的信号；

S1-2：将去噪后的信号划分成固定长度。

4.如权利要求1所述的基于卷积神经网络的QT间期延长识别方法，其特征在于：S2中对预处理后的心电信号进行波形检测的方法包括：

S2-1：采用二次样条小波对心电信号进行分解，得到各个子空间的波形分量，采用阈值法对R波进行定位；

S2-2：根据R波位置，在各个子空间中向前向后搜索Q波和S波峰峰值点位置，根据Q波和S波峰值点位置向前向后搜索QRS波起止点位置；

S2-3：根据当前心拍的QRS波终点位置在RR间期定义的T波搜索窗口中寻找局部最大值，判断是否存在至少两个局部最大值大于预设阈值，若存在则判断该心拍存在T波，并在各个子空间中寻找该搜索区间内T波的峰值，并搜索T波起止点位置；

S2-4：根据当前心拍的QRS波起点位置在RR间期定义的P波搜索窗口中寻找局部最大值，判断是否存在至少两个局部最大值大于预设阈值，若存在则判断该心拍存在P波；并在各个子空间中寻找该搜索区间内P波的峰值，并搜索P波起止点位置。

5.如权利要求4所述的基于卷积神经网络的QT间期延长识别方法，其特征在于：S3中根据所述波形检测结果计算QTc值的方法包括：

采用如下公式计算QTc值:

QTc＝QT/(RR^0.5)

式中，QT表示所有导联中QRS波群开始的最早时间到T波结束最晚时间之间的时间间隔。

6.如权利要求1所述的基于卷积神经网络的QT间期延长识别方法，其特征在于：S4中利用卷积神经网络和注意力机制构建QT间期延长识别模型的方法包括：

S4-1：将心电信号截取固定长度，得到心电数据；

S4-2：通过深度可分离卷积层和最大池化层对心电数据中每个导联的数据进行独立的卷积操作；

S4-3：通过在残差网络结构中加入注意力机制，并利用深度可分离卷积操作提取心电信号中不同尺度下所有导联的深度特征；

S4-4：提取的特征通过平均池化层和分类层，输出QT间期延长与非延长的概率，构建QT间期延长识别模型。

7.一种基于卷积神经网络的QT间期延长识别系统，其特征在于，包括：

数据采集模块，所述数据采集模块用于采集受试者的心电图，对心电信号进行预处理；

波形检测模块，所述波形检测模块用于对预处理后的心电信号进行波形检测，得到波形检测结果；

QTc值计算模块，所述QTc值计算模块用于根据所述波形检测结果计算QTc值；

模型构建训练模块，所述模型构建训练模块用于利用卷积神经网络和注意力机制构建QT间期延长识别模型，并使用QTc值计算模块得到的数据训练所述QT间期延长识别模型；

QT间期延长识别模块，所述QT间期延长识别模块用于使用训练好的QT间期延长识别模型对未知QT间期状态的信号进行预测，实现QT间期延长的识别。