[发明专利]一种基于深度学习算法的心电图分类方法有效
| 申请号： | 201610572216.4 | 申请日： | 2016-07-20 |
| 公开（公告）号： | CN106214145B | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 杨一平;朱欣 | 申请（专利权）人： | 杨一平;朱欣 |
| 主分类号： | A61B5/0402 | 分类号： | A61B5/0402;A61B5/00 |
| 代理公司： | 33216 杭州之江专利事务所(普通合伙) | 代理人： | 张费微 |
| 地址： | 550002 贵州省贵阳市南*** | 国省代码： | 贵州;52 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习算法的心电图分类方法，包括以下步骤：a.取得测量时间在8秒以上的原始心电图波形数据、心电图附加信息并根据原始心电图波形数据获取心电图节律信息、代表PQRST波形数据；b.对深度学习算法的神经网络进行训练并将心电图节律信息、代表PQRST波形数据、心电图附加信息排列成一维数据后通过训练完的深度学习算法进行波形分类，得到心电图分类结果。本发明中把深度学习方法导入心电图分类领域，合理地结合心电图分类的特点，并通过以上步骤对深度学习方法进行训练并用深度学习方法进行波形分类，能够大幅度提高给医生提供心电图分类辅助信息的信息质量。 | ||
| 搜索关键词： | 一种 基于 深度 学习 算法 心电图 分类 方法 | ||
【主权项】：
1.一种基于深度学习算法的心电图分类方法，其特征在于包括以下步骤：/na.取得测量时间在8秒以上的原始心电图波形数据、心电图附加信息，对原始心电图波形数据进行去噪处理，去噪处理包括以下步骤：/na11.采用高通滤波器去除基线漂移噪音；/na12.基于PQ段信号的标准方差和阈值法确认噪音是否过高；/na13.噪音过高时使用低通巴特沃斯滤波器去除噪音干扰；/n并根据原始心电图波形数据进行心电图节律信息的提取、代表PQRST波形的提取，获取心电图节律信息、代表PQRST波形数据；/n所述的步骤a中，代表PQRST波形的提取包括以下步骤：/na21.通过一阶微分法和阈值法，对原始心电图波形数据进行检测，获取P波、QRS波、T波的特征点；/na22.对原始心电图波形数据中的所有PQRST波进行聚类分类，根据分类结果将拥有PQRST波数目最多的类型作为代表PQRST波形，若数目最多的类型为2个以上，选取R波平均振幅最大的类型作为代表PQRST波形，最后使用叠加平均法计算各个心拍的PQRST波的平均波形作为代表PQRST波形；/nb.对深度学习算法的神经网络进行训练，所述的深度学习算法为卷积神经网络或迭代神经网络或深度神经网络，将步骤a得到的心电图节律信息、代表PQRST波形数据、心电图附加信息排列成一维数据后通过训练完的深度学习算法进行波形分类，得到心电图分类结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杨一平;朱欣，未经杨一平;朱欣许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610572216.4/，转载请声明来源钻瓜专利网。
- 上一篇：远程心电监控系统
- 下一篇：用于地磁活动诱发心脑血管事件预警的信息联合监测仪
