[发明专利]一种基于Mask R-CNN网络及心电图的参数获取方法

权利要求书

1.一种基于Mask R-CNN网络及心电图的参数获取方法,其特征在于，包括：

步骤一、获取心电图数据的数据集，每个心电图数据具有多个心电信号，将数据集划分为训练集和测试集；

步骤二、针对训练集中的所有心电数据，从每个心电数据中分别选取任意一个心电信号，得到训练集的心电信号组；针对测试集中的所有心电数据，从每个心电数据中分别选取任意一个心电信号，得到测试集的心电信号组；

步骤三、分别根据训练集的心电信号组、测试集的心电信号组对应得到训练集的心电信号曲线单元组、测试集的心电信号曲线单元组；

然后，对训练集的心电信号曲线单元组中的每个心电信号曲线单元进行分类，对应得到训练集的分类类型组；

步骤四、分别根据步骤三得到的训练集的心电信号曲线单元组和测试集的心电信号曲线单元组，对应得到训练集的心电信号图形单元组和测试集的心电信号图形单元组；

步骤五、分别根据训练集的心电信号图形单元组和测试集的心电信号图形单元组，对应得到训练集的心电信号曲线图形单元组和测试集的心电信号曲线图形单元组；其中心电信号曲线图形单元组和测试集的心电信号曲线图形单元组中的心电信号曲线图形单均为二维黑白图形；

步骤六、将测试集的心电信号曲线单元组、训练集的心电信号曲线单元组、训练集的心电信号曲线图形单元组和测试集的心电信号曲线图形单元组，同时以训练集的分类类型组作为标签数据，输入Mask R-CNN网络进行训练，得到经训练Mask R-CNN网络；

步骤七、将测试集的心电信号曲线单元组、训练集的心电信号曲线单元组、训练集的心电信号曲线图形单元组和测试集的心电信号曲线图形单元组输入步骤六得到的经训练Mask R-CNN网络，得到总预测损失函数和掩膜图像；

所述步骤三具体分为：

步骤3.1、对训练集和测试集设置常数H作为阈值，以常数H阈值为起点，当心电信号符合先上升到最高点后下降至阈值H，即将最高点的值定义为QRS波的R波峰值，其中H值的范围为0.7～0.9；

步骤3.2、对训练集的心电信号组中的每一个心电信号，均以三个相邻的R波波峰宽度划分为一个电信号曲线单元，对应得到训练集的心电信号曲线单元组；对测试集的心电信号组中的每一个心电信号，均以三个相邻的R波波峰宽度划分为一个电信号曲线单元，对应得到测试集的心电信号曲线单元组；

步骤3.3、将训练集的心电信号曲线单元组中的每个心电信号曲线单元进行分类，对应得到训练集的分类类型组。

2.根据权利要求1所述的基于Mask R-CNN网络及心电图的参数获取方法,其特征在于，所述步骤四具体为：

步骤4.1、统计步骤三得到的训练集的心电信号曲线单元组和测试集的心电信号曲线单元组中的每个心电信号曲线单元中的R波波峰间的平均采样点数，以R波波峰间的平均采样点数的n倍为总采样长度，存在n大于1，当采样长度超出心电信号图像单元内的长度，则使采样点的y值为0；

步骤4.2、将步骤4.1中的各个心电信号曲线单元的每一个采样点进行线性归一化处理，使采样点的y值分布到[-1 1]区间；

步骤4.3、对步骤4.2中经分布[-1 1]区间的采样点，进行离散化处理，对应得到训练集的离散后心电信号曲线单元组和测试集的离散后心电信号曲线单元组；

步骤4.4、对步骤4.3得到的离散后心电信号曲线单元进行N倍稀疏采样，对应得到训练集的心电信号图形单元组和测试集的心电信号图形单元组，其中N的范围为2～4。

3.根据权利要求2所述的基于Mask R-CNN网络及心电图的参数获取方法,其特征在于：所述步骤五具体为分别找出训练集的心电信号图形单元组和测试集的心电信号图形单元组中的每个心电信号图形单元，并在每个心电信号图形单元中找出每列心电曲线的像素点，将像素点以下所有点均设置为黑色，对应得到训练集的心电信号曲线图形单元组和测试集的心电信号曲线图形单元组。

4.根据权利要求3所述的基于Mask R-CNN网络及心电图的参数获取方法,其特征在于：所述分类的类型包括正常和窦性心律、窦性心动过缓、窦性心动过速、电轴左偏、电轴右偏、窦性心律不齐、右束支传导阻滞、室性早搏、完全性右束支传导阻滞、左心室高电压、ST-T改变、ST段改变、一度房室传导阻滞、不完全性右束支传导阻滞和心房颤动。