[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

说明书

本发明涉及一种基于卷积神经网络的QT间期延长识别方法，包括采集受试者的心电图，对心电信号进行预处理；对预处理后的心电信号进行波形检测，得到波形检测结果；根据波形检测结果计算QTc值；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，并使用数据训练QT间期延长识别模型；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。本发明利用残差网络结构结合注意力机制的算法实现QT间期延长的识别，有效降低了模型的复杂度，避免由于波形定位的准确性影响QT间期延长识别精度的问题，同时实现了端到端的识别，省去了中间环节的人为参与，提升了辅助诊断的便捷性。

技术领域

本发明涉及心电信号处理技术领域，尤其是指一种基于卷积神经网络的QT间期延长识别方法及系统。

背景技术

QT间期的改变在临床心电图诊断上具有重要价值，特别是QT间期延长对提示恶性心室律失常和心脏性猝死有重要意义。QT间期代表心室细胞除极和复极过程，是从任一导联中Q波的最早开始时间到任一导联中T波的最晚结束时间(如图1所示)。QT间期长短随年龄、性别而变化，心率不同QT间期也不相同，心率快则QT间期缩短，反之则延长。因此实际应用中常通过各种计算转换成非心率依赖的校正值，即心率校正QT间期(QTc)。

目前，越来越多的研究表明，无论是继发于药物、电解质异常(低钾血症)还是遗传(先天性LQTS)等系统性疾病导致的QTc延长，均可诱发室性心律失常和心源性猝死。此外，在中老年人中，QTc延长也可能引发交感神经张力升高、亚临床动脉粥样硬化或电解质代谢异常等，从而增加心血管疾病、中风等的风险。因此，QT间期延长的实时筛查已经成为心电图(ECG)评估必不可少的一部分。

然而，现有的对QTc的评估和监测仍在很大程度上依赖于对心电信号的特征波形检测，根据波形检测结果将信号分割成单个心拍，进而计算出每个心拍的QTc的值。一方面波形检测的准确性直接影响了QTc评估的效果，另一方面，对心电图的波形检测及心拍分割增加了筛查QT间期延长的复杂性，为实时监测增加了难度。

因此，迫切需要提供一种基于卷积神经网络的QT间期延长识别方法，以解决现有技术在QT间期延长识别方面存在的上述问题。

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存在的问题，提出一种基于卷积神经网络的QT间期延长识别方法及系统，其利用残差网络结构结合注意力机制的算法实现QT间期延长的识别，与基于波形检测定位的算法相比，有效降低了模型的复杂度，避免由于波形定位的准确性影响QT间期延长识别精度的问题，同时实现了端到端的识别，省去了中间环节的人为参与，提升了辅助诊断的便捷性。

为解决上述技术问题，本发明提供一种基于卷积神经网络的QT间期延长识别方法，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。

在本发明的一个实施例中，S1中利用可穿戴动态心电监护仪采集受试者的心电图。

在本发明的一个实施例中，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。

在本发明的一个实施例中，S2中对预处理后的心电信号进行波形检测的方法包括：