[发明专利]心电图特征波形识别方法和系统

权利要求书

1.一种心电图特征波形识别系统，包括：

至少两个神经网络模块，每个神经网络模块的特征波形识别算法与其它任一神经网络模块的特征波形识别算法均不相同，所述神经网络模块用于对输入的心电图信号根据其特征波形识别算法进行运算，从运算出的信号中识别出特征波形进行输出；

模糊逻辑模式识别模块，用于接收每个神经网络模块输出的特征波形，根据各特征波形与所述心电图信号之间的差别，分别计算各特征波形的优先级；并根据为各特征波形设置的病史权重值，对各特征波形的优先级进行加权运算后，将特征波形与其加权后的优先级进行对应输出。

2.如权利要求1所述的系统，其特征在于，所述神经网络模块具体为两个；两个神经网络模块中的特征波形识别算法分别为：基于增量学习的特征波形识别算法、基于批量学习的特征波形识别算法。

3.如权利要求2所述的系统，其特征在于，所述病史权重值是根据病史情况设置的。

4.如权利要求3所述的系统，其特征在于，

所述模糊逻辑模式识别模块根据为各特征波形设置的病史权重值，对各特征波形的优先级进行加权运算具体为：

所述模糊逻辑模式识别模块根据为各特征波形设置的病史权重值，确定模糊矩阵：所述模糊矩阵中的各行分别对应各特征波形，每行中的所有元素的值为该行对应的特征波形的病史权重值；使用所述模糊矩阵对各特征波形的优先级进行加权运算。

5.一种心电图特征波形识别方法，包括：

神经网络模块对输入的心电图信号根据其特征波形识别算法进行运算，从运算出的信号中识别出特征波形进行输出；其中，所述神经网络模块至少为两个，每个神经网络模块的特征波形识别算法与其它任一神经网络模块的特征波形识别算法均不相同；

模糊逻辑模式识别模块接收每个神经网络模块输出的特征波形，根据各特征波形与所述心电图信号之间的差别，分别计算各特征波形的优先级；并根据为各特征波形设置的病史权重值，对各特征波形的优先级进行加权运算后，将特征波形与其加权后的优先级进行对应输出。

6.如权利要求5所述的方法，其特征在于，所述神经网络模块具体为两个；两个神经网络模块中的特征波形识别算法分别为：基于增量学习的特征波形识别算法、基于批量学习的特征波形算法。