[发明专利]一种基于深度学习的ECG心电信号生成方法

说明书

一种基于深度学习的ECG心电信号生成方法，涉及一种ECG心电信号生成技术，为了解决现有带标签的ECG心电信号数据库数据量不足以及数据质量不齐，无法为ECG预测心脏疾病算法提供足够有效的训练数据的问题。本发明通过从数据库中筛选获取原始带标注的ECG心电信号，对ECG心电信号进行数据预处理；使用短时傅里叶变换将经过预处理的ECG心电信号转化成二维信号；使用改进的生成对抗网络对二维信号进行训练，并生成新的二维ECG心电信号时频图谱；使用Griffin Lim相位重构算法还原二维ECG心电信号时频图谱，得到自动生成的一维ECG心电信号。有益效果为极大的扩充ECG心电信号数据库，从而推动心电疾病诊断算法的发展，最终为临床心脏疾病诊断提供有效的辅助和支持。

技术领域

本发明涉及一种ECG心电信号生成技术。

背景技术

心电图(Electrocardiogram,ECG)已经成为了协助医生预测诊断心脏疾病的有效工具；最近几年，越来越多的研究人员通过设计高效的算法来提取有用的ECG信息从而实现疾病的自动诊断。目前针对ECG的相关算法研究通常是在现有的数据库例如Physionetdatabase,上进行算法训练和测试，来得到一个具有指导意义的结果，从而评估该算法的可行性，准确率等。

然而，一方面，由于信息量的指数激增，同时数据标注又是一项费时、费力、费钱的工作，所以大量的带有标签的数据十分难以获得，因而现有数据库的数量是有限的和不足的；另一方面，不同的临床条件采集到的数据，会受到环境的影响，比如噪声的程度，采样的频率等等；这些差异会对疾病诊断算法有很大的影响，导致诊断算法的使用范围受限或者诊断效果极差，使其得不到广泛的应用。

因此，获得逼真的人造ECG信号对于提高算法在心电信号处理领域的性能具有重要意义。

发明内容

本发明的目的是为了解决现有带标签的ECG心电信号数据库数据量不足以及数据质量不齐，无法为ECG预测心脏疾病算法提供足够有效的训练数据的问题，提出了一种基于深度学习的ECG心电信号生成方法。

本发明所述的一种基于深度学习的ECG心电信号生成方法是通过以下步骤实现的：

步骤一、从数据库中筛选获取原始带标注的ECG心电信号；

步骤二、对步骤一获取的ECG心电信号进行数据预处理；

步骤三、使用短时傅里叶变换将经过步骤二预处理的ECG心电信号转化成二维信号，该二维信号用以作为深度学习网络的输入信号；

步骤四、使用改进的生成对抗网络对步骤三得到的二维信号进行训练，并生成新的二维ECG心电信号时频图谱；

步骤五、使用Griffin Lim相位重构算法还原步骤四得到的二维ECG心电信号时频图谱，得到自动生成的一维ECG心电信号。

本发明的有益效果是本发明使用了近年来发展迅速的深度学习的方法来生成ECG心电信号，用以辅助提高心电诊断算法的准确度和适应性；本发明只需使用少量的原始ECG信号，结合短时傅里叶变换的方法，通过把进行了短时傅里叶变换后的时频图输入到一个由卷积操作和转置卷积操作构成的生成对抗网络进行训练，然后通过Griffin Lim相位重构算法获得心电信号；生成的心电信号可具有多种心拍类型，且不需要进行人工标注，可以极大的扩充ECG心电信号数据库，从而推动心电疾病诊断算法的发展，最终为临床心脏疾病诊断提供有效的辅助和支持。

附图说明

图1为具体实施方式一所述的一种基于深度学习的ECG心电信号生成方法的流程图；