[发明专利]一种心电诊断模型的判断方法及心电检测装置

权利要求书

1.一种心电诊断模型的判断方法，其特征在于，包括以下步骤：

S1，收集N条静息十二导联心电图数据，房颤心电图数据和非房颤心电图数据的数量相等；

S2，进行预处理：如果信号采样频率低于200Hz，则先重采样，使采样频率达到200Hz以上，然后采用滤波器进行滤波；

S3，训练深度学习网络：深度学习网络包括至少3个卷积层，作为特征提取模块，最少包含2个全连接层，作为分类模块；

S4，通过最小化损失函数的损失值对深度学习网络的参数进行优化，采用近端梯度下降的方法最小化损失值，获取整个深度学习网络中所有的权重和偏移；

步骤S4中，损失值的函数为：

其中，loss是损失值，指的是第i条房颤数据，指的是第i条非房颤数据；net(x)的含义是以x作为输入，通过整个网络计算以后的输出；fnet(x)指的是以x作为输入，通过网络中的特征提取模块计算出的输出；||x||₁指的是向量x的1范数；α和β为正则化参数。

2.根据权利要求1所述的心电诊断模型的判断方法，其特征在于，步骤S3中，采用的网络框架由layer1～layer9组成；特征提取模块包括layer1～layer7，layer1～layer7为卷积层，均由一个卷积运算和一个池化运算组成，分类模块包括layer8～layer9，layer8～layer9为全连接层；layer1中卷积运算包含5个核，卷积核大小均为29，layer1中池化运算中的步长和核大小均为2；layer2卷积运算包含5个核，卷积核大小均为15，layer2中池化运算中的步长和核大小均为2；layer3卷积运算包含5个核，卷积核大小均为13，layer3中池化运算中的步长和核大小均为2；layer4卷积运算包含10个核，卷积核大小均为5，layer4中池化运算中的步长和核大小均为2；layer5卷积运算包含10个核，卷积核大小均为5，layer5中池化运算中的步长和核大小均为2；layer6卷积运算包含10个核，卷积核大小均为3，layer6中池化运算中的步长和核大小均为2；layer7卷积运算包含10个核，卷积核大小均为3，layer7中池化运算中的步长和核大小均为2；layer7卷积层的输出作为输入，输入到layer8中，layer8包括30个神经元；layer8的输出作为layer9的输入，通过layer9输出整个网络的输出值。

3.根据权利要求2所述的心电诊断模型的判断方法，其特征在于，layer9的激活函数采用sigmoid函数。

4.根据权利要求1-3任一项所述的心电诊断模型的判断方法，其特征在于，设定α＝1，β＝2。

5.根据权利要求1-3任一项所述的心电诊断模型的判断方法，其特征在于，S1中收集的房颤心电图数据和非房颤心电图数据均不少于1万条。

6.根据权利要求1-3任一项所述的心电诊断模型的判断方法，其特征在于，步骤S2中，采样频率使用500Hz，采用0.1Hz-100Hz的巴特沃兹带通滤波器进行滤波。

7.根据权利要求1-3任一项所述的心电诊断模型的判断方法，其特征在于，还包括步骤S5，使用网络：将新的心电信号输入S4中得到深度学习网络中，输出结果大于0.5认为是房颤，否则认为是非房颤。

8.一种心电检测装置，其特征在于，包括：深度学习模块，所述深度学习模块能够运行如权利要求1-7任一项所述的心电诊断模型的判断方法。