[发明专利]一种基于深度学习法心电节拍特征自动化提取及分类方法

摘要

本发明涉及一种基于深度学习法心电节拍特征自动化提取及分类方法，其中，心电节拍特征自动化提取方法包括以下步骤：1）、采用双正交小波变换去除高频噪声和基线漂移；2）、通过二进样条小波变换产生极大极小值检测R波；3）、根据步骤2）R波基础上检测QRS波群及P、T波；然后，通过双向长短期记忆网络(Bi‑LSTM)对检测的波形数据信息进行心拍学习分类检测到的波形数据信息进行深度学习分类；本发明具有有效简化特征提取程序、对波形进行精准定位、心电信号精准分类的优点。

主权项

1.一种基于深度学习法心电节拍特征自动化提取法，其特征在于，包括以下步骤：1)、采用双正交小波变换去除高频噪声和基线漂移；2)、通过二进样条小波变换产生极大极小值检测R波；3)、根据步骤2)R波基础上检测QRS波群及P、T波；进一步，所述步骤3)中QRS波群的具体检测方法是：对第i个心拍进行类型的识别,把第i个心拍称为当前心拍记做C‑B；第i‑1个心拍记做P‑B；第i+1个心拍记做N‑B；C‑B、P‑B、N‑B的R波峰值位置分别为Ri‑1、Ri、Ri+1；Ri‑1、Ri的时间差,即当前心拍的RR间期,记做C‑RR；Ri‑1、Ri‑2的时间差，即第i‑1个心拍的RR间期，记做P‑RR；Ri+1、Ri的时间差，即第i+1个心拍的RR间期，记做N‑RR；则，P‑RR＝Time(Ri‑1‑Ri‑2)；C‑RR＝Time(Ri‑Ri‑1)；N‑RR＝Time(Ri+1‑Ri)；进一步，对通过二进样条小波变换产生极大极小值检测到的波形采用双向长短时记忆网络(Bi‑LSTM)对检测的波形数据信息进行深度学习分类；进一步，所述双向长短时记忆网络(Bi‑LSTM)的具体做法是，训练序列向前和向后分别是两个长短时记忆网络，而且这两个长短时记忆网络都连接着一个输出层，该双向长短时记忆网络提供给输出层输入序列中每一个点的完整的过去和未来的上下文信息。