[发明专利]一种心电信号分类的方法及系统

权利要求书

1.一种心电信号分类的方法，其特征在于，所述方法包括以下步骤：

获取心电测试数据；

对所述心电测试数据进行处理以得到预定尺寸的波形图；

结合所述预定尺寸的波形图以及已建立的心脏疾病分类模型，确定所述心电测试数据所对应的分类结果，其中，所述心脏疾病分类模型是能够反映原始波形特征与分类结果的模型。

2.根据权利要求1所述的心电信号分类的方法，其特征在于，所述结合所述预定尺寸的波形图以及已建立的心脏疾病分类模型，确定所述心电测试数据所对应的分类结果之前，还包括：

收集样本数据，所述样本数据包括多个动态心电记录数据；

对所述样本数据进行处理得到心电图训练集；

结合心电图特点构建模型框架；

基于所述模型框架对所述心电图训练集进行学习训练以得到所述心脏疾病分类模型。

3.根据权利要求2所述的心电信号分类的方法，其特征在于，所述收集样本数据包括：

从MIT-BIH心律失常数据库收集所述样本数据；

所述对所述样本数据进行处理得到心电图训练集包括以下步骤：

对每个所述样本数据进行处理得到心脏搏动波形图；

对每个所述心脏搏动波形图进行压缩，并使用双线性插值的方法处理得到高度和宽度都为28个像素的图片，以作为所述心电图训练集；

所述结合心电图特点构建模型框架包括：

结合心电图特点构建卷积神经网络模型框架；或

结合心电图特点构建和积网络模型框架；或

结合心电图特点构建循环网络框架。

4.根据权利要求3所述的心电信号分类的方法，其特征在于，所述卷积神经网络模型框架为2层卷积层结构的卷积神经网络模型框架。

5.根据权利要求1所述的心电信号分类的方法，其特征在于，所述对所述心电测试数据进行处理以得到预定尺寸的波形图包括：

通过将所述心电测试数据的心电信号数组中存在的幅值点的像素值设置为1，其余设置为0，从而得到高度和宽度都为28像素的波形图；或

将所述心电测试数据转换成波形图，通过Matlab绘图工具对所述波形图进行直接保存以得到高度和宽度都为28像素的波形图；或

将所述心电测试数据转换成波形图，通过截图工具，对所述波形图进行截图保存以得到高度和宽度都为28像素的波形图。

6.一种心电信号分类的系统，其特征在于，所述系统包括数据获取模块、数据处理模块和结果确定模块，其中：

所述数据获取模块用于获取心电测试数据；

所述数据处理模块用于对所述心电测试数据进行处理以得到预定尺寸的波形图；

所述结果确定模块用于结合所述预定尺寸的波形图以及已建立的心脏疾病分类模型，确定所述心电测试数据所对应的分类结果，其中，所述心脏疾病分类模型是能够反映原始波形特征与分类结果的模型。

7.根据权利要求6所述的心电信号分类的系统，其特征在于，所述系统还包括模型构建模块，其中，所述模型构建模块进一步包括样本收集单元、处理单元、框架构建单元以及模型训练单元，其中：

所述样本收集单元用于收集样本数据，所述样本数据包括多个动态心电记录数据；

所述处理单元用于对所述样本数据进行处理得到心电图训练集；

所述模型构建单元用于结合心电图特点构建模型框架；

所述模型训练单元用于基于所述模型框架对所述心电图训练集进行学习训练以得到所述心脏疾病分类模型。

8.根据权利要求7所述的心电信号分类的系统，其特征在于，所述样本收集单元从所述MIT-BIH心律失常数据库收集所述样本数据；

所述处理单元用于对每个所述样本数据进行处理得到心脏搏动波形图，对每个所述心脏搏动波形图进行压缩，并使用双线性插值的方法处理得到高度和宽度都为28个像素的图片，以作为所述心电图训练集；

所述模型构建单元用于结合心电图特点构建卷积神经网络模型框架；或结合心电图特点构建和积网络模型框架；或结合心电图特点构建循环网络框架。

9.根据权利要求8所述的心电信号分类的系统，其特征在于，所述卷积神经网络模型框架为2层卷积层结构的卷积神经网络模型框架。

10.根据权利要求6所述的心电信号分类的系统，其特征在于，所述预定尺寸的波形图为高度和宽度都位28像素的波形图，所述数据处理模块通过将所述心电测试数据的心电信号数组中存在的幅值点的像素值设置为1，其余设置为0，从而得到高度和宽度都为28像素的波形图；或

所述数据处理模块将所述心电测试数据转换成波形图，通过Matlab绘图工具对所述波形图进行直接保存以得到高度和宽度都为28像素的波形图；或

所述数据处理模块将所述心电测试数据转换成波形图，通过截图工具，对所述波形图进行截图保存以得到高度和宽度都为28像素的波形图。