[发明专利]一种弱监督下的心电图像识别方法

权利要求书

1.一种弱监督下的心电图像识别方法，其特征是，包括以下几个步骤：

步骤1、使用小波去噪算法，去除心电信号噪声；

步骤2、心电信号中含有多个心拍，通过定位算法，定位心电信号中的每个心拍，再将心电信号切割成单个心拍，并保证每个心拍包含一次心跳的所有信息；

步骤3、将一维心拍转换成心拍图片，再将心拍图片分为训练图片、验证图片和测试图片三部分；

步骤4、将心拍训练图片输入到卷积神经网络进行训练，构建心拍图片识别模型；

步骤5、将心拍验证图片输入到步骤4中的识别模型中，用于验证模型的心拍图片识别准确度和各关键参数数值的调节；

步骤6、将心拍测试图片输入到步骤5中调节参数后的心拍图片识别模型中，进行分类。

2.根据权利要求1所述的一种弱监督下的心电图像识别方法，其特征在于：步骤1中使用去噪算法，去除心电信号噪声，心电信号主要包括工频干扰、肌电噪声和基线漂移噪声，采用小波算法将心电信号进行频率分解，得到各个频段上的心电信号，将部分频段去除，再使用剩余频段重构心电信号，已达到去除工频干扰、肌电噪声和基线漂移噪声的作用，从而获得去噪后的心电信号。

3.根据权利要求1所述的一种弱监督下的心电图像识别方法，其特征在于：步骤2中心电信号中含有多个心拍，需使用定位算法来定位每个心拍位置，每个心拍通常包含P、Q、R、S、T波，本方法使用R波定位算法，通过R波位置向前截取若干点和向后截取若干点，获得心拍，使每个心拍都包含一次心跳的所有信息。

4.根据权利要求1所述的一种弱监督下的心电图像识别方法，其特征在于：步骤3中将一维心拍转换成心拍图片，通过一维心拍的时间轴构建心拍图片的x轴，再通过时间轴上的数值信息构建心拍图片的y轴，获得心拍图片，再将心拍图片分为训练图片、验证图片和测试图片三部分。

5.根据权利要求1所述的一种弱监督下的心电图像识别方法，其特征在于：步骤4将心拍训练图片输入到卷积神经网络进行训练，构建心拍图片识别模型，网络结构使用AlexNet卷积神经网络，其关键参数如下：base_lr值为0.001，权重衰减值为0.005，gamma值为0.1，stepsize值为128，最大迭代次数值为400，使用 “step” 学习策略。

6.根据权利要求1所述的一种弱监督下的心电图像识别方法，其特征在于：步骤5将心拍验证图片输入到步骤4中生成的心拍图片识别模型中，过获取每张心拍验证图片的识别结果，用于计算模型的识别准确率，通过计算出的识别准确率来反应模型的构建情况，再调节各关键参数的数值，获得最佳心拍图片识别模型。

7.根据权利要求1所述的一种弱监督下的心电图像识别方法，其特征在于：步骤6将心拍测试图片输入到步骤5中调节参数后的心拍图片识别模型中，输出心拍图片的识别结果，实现心拍图片的分类。