[发明专利]单导联心电信号房颤自动检测方法

权利要求书

1.单导联心电信号房颤自动检测方法，它包括：

1）提取原始心电信号的R波顶点

读取单导联心电信号数据，对单导联心电信号进行切比雪夫型带通滤波，得到去噪信号x0；

对去噪信号x0求希尔伯特变换，得到变换后信号x1，对变换后信号x1取绝对值，得到去噪信号的包络信号x2；识别包络信号矩阵x2波峰点，并将包络信号矩阵x2的波峰点集合作为该条心电信号的过检测类QRS点的包络幅度值存入矩阵H_place1，并将包络信号矩阵x2的波峰点下标集合作为该条心电信号的过检测类QRS点的坐标点，存入矩阵R_place1；其中矩阵R_place1和矩阵H_place1的元素是一一对应的；

取矩阵H_place1中最大的七个元素的和减去矩阵H_place1中最小的十个元素的和得到数值t；

t乘以0.25等于硬阈值thr；然后去除矩阵H_place1中元素值小于thr的元素以及对应矩阵R_place1下标下的元素，完成R波顶点的硬阈值筛选，矩阵R_place1的有元素即为该条单导联心电信号的R波顶点；而每一个R波顶点代表一个单个心拍；

2）截取心拍心电数据，生成心拍心电信号样本

读取单导联心电信号数据，通过对单导联心电信号数据的每一个R波顶点的位置向前截取P个点，其中向前截取的时候需要将R点截取在内，向后截取Q个点，这里截取点数W = P+Q，则每个R波顶点截取W个点的数据，完成对心拍心电数据的截取，截取的W个点的数据作为卷积神经网络模型的输入X，而每个心拍心电数据的标签与该单导联心电信号数据的标签相同；

将所有单导联心电信号通过上述对心拍心电数据的截取的方式对所有的心拍进行截取，形成数据集U，其中数据集U中的每个样本都是1*W维的心拍心电数据；

记录每个单导联心电信号数据的R波顶点的个数，并依次存入矩阵N；

3）搭建心拍心电信号的卷积神经网络模型

卷积神经网络模型核心由两部分组成：

a.针对单导联的心电信号中每个心拍心电数据的包含八个串联卷积层的底层卷积层结构，与输入X连接；b.针对心拍的心电信号的包含六个全连接层的高层融合特征层结构，与a部分连接，得出的特征经过一个全连接层得到单个心拍的输出分类结果y_pred；

4）训练卷积神经网络的参数

初始化所述卷积神经网络的参数，将采样好的数据集U随机抽取90%数目的样本当作训练集，数据集U的所有样本视为测试集；将训练集中的心拍心电数据样本输入到初始化后的神经网络中，以最小化代价函数为目标进行迭代，生成所述卷积神经网络的参数并保存；

5）对测试集样本进行自动识别

将测试集样本输入到卷积神经网络中并运行，获得测试集样本对应的4维预测值向量输出，然后选取4维预测向量输出的最大值的索引值作为测试集中每个心拍心电数据的预测类别，按照心拍心电数据输入预测集的顺序存入矩阵RE中；

提取RE矩阵中前D个元素，存入矩阵T中，其中D为矩阵N中的元素，即当下心电信号的心拍数；然后删除RE矩阵中前D个元素，提取矩阵T中心拍心电数据类别数出现最多的类别作为当下单心拍心电数据的类别，保存到矩阵E中，最后与单心拍心电数据参考类别进行比较，使用所得结果作为模型的判别模型性能的标准。

2.根据权利要求1所述的单导联心电信号房颤自动检测方法，其特征在于：所述卷积层包含一个卷积层单元以及该卷积层单元输出端依次串联的一个激励单元操作和一个池化层操作。