买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州质子科技有限公司

摘要：一种基于语义分割的多导联心律失常检测方法，包括以下步骤：1获取训练数据；2标定数据标签；3模型构建和训练；4分类模型应用。本发明突破传统心拍分类方法在实际使用中依赖心拍识别算法的缺陷，提出基于语义分割的心拍分类方法，该方法适用于不同导联动态心电图的心律失常心拍分类训练，以及不同类型心拍的分类识别，可辅助医生读取心电图并缩短分析时间。

主权项：1.一种基于语义分割的多导联心律失常检测方法，其特征在于，所述方法包括以下步骤：1获取训练数据：从已有心拍标签的心电信号数据库中选取心电信号作为训练数据集，数据集中需至少包含正常心拍、室上性早搏、室性早搏、室早与正常心搏的融合、束支阻滞、室上性逸博、室性逸博、疑问八类，将心电信号统一采样率，并滤波处理；将预处理后的心电信号按照S个点的固定片段逐条分割，融合分割后的数据作为训练数据，训练数据集的每一个片段至少包含上面提到的一种心拍类型；2标定数据标签：将训练数据集逐点标记，根据心拍位置，获取心拍的起始点U点和结束点J点，将U-J点之间的点标记为对应的心拍标签，其他区域标记为其他类型，每一条固定片段的心电信号得到S个点的标签序列，融合所有标签序列作为训练标签；3模型构建和训练：模型由三个并行膨胀卷积模块和SENet模块组成，将训练集的标签做one-hot编码，和训练集一起，按批次输入模型训练，训练多次后，损失不再下降，则保留最好的模型，结束训练；4分类模型应用：将需要心拍分类的心电信号分割为长度为S个点的数据段，并合并作为测试数据集，再将测试数据集输入步骤3得到的分类模型中，输出数据段对应的概率序列，选择大于概率阈值的点保留，统计连续保留点的宽度，若大于设定的宽度阈值，则将连续保留点的中心位置标记为心拍所处的位置，对应的类型标记为心拍的类型；所述步骤1中，获取训练数据的操作步骤如下：1-1训练数据集为已有心拍类型标签的心电信号数据库，数据库来源不限，信号通道数量不限，可为单导联也可为多导联；同时，数据库需按照心拍标记，至少包含正常心拍、室上性早搏、室性早搏、室早与正常心搏的融合、束滞阻滞、室上性逸博、室性逸博、疑问这八类心拍标签；1-2将数据集中的心电信号统一重采样为200Hz，并经过带通滤波处理，带通频率为[0.67~40Hz]，将预处理后的信号按照S个点的固定心电信号段逐条分割，S=Fs*T，Fs为采样率，T为时间，T=30s，合并所有的心电信号段记为trainDataSet，数据维度为N*S*C，N为数据量，S为每个样本的数据量，C为信号通道数量，C=1,2…12；所述步骤3中，模型构建和训练的操作步骤如下：3-1采用三个并行的卷积神经网络模块，记为Block1，Block2，Block3，每一个bolck有四层神经网络组成，每层的输出维度分别为8，16，32，64，卷积核分别为15，11，7，5，三个Block分别采用不同的膨胀率，Block1膨胀率均为1，Block2的膨胀率为2，4，8，16，Block3的膨胀率为4，8，16，32，将Block1，Block2和Block3的输出结果连接，得到输出维度为64*3=192的特征，将三个并行的卷积神经网络组成的模块记为CnnBlock，将CnnBlock经过SENet模块获取权重结果，再将权重结果和CnnBlock相乘，经过两层全连接层和激活函数，输出结果；3-2训练标签采用one-hot编码，trainLabelSetN*S*1编码之后的维度为N*S*H，H为分类的类型数量，H=9；3-3将训练数据和测试数据按批次输入模型训练，训练过程中不断保存loss值最小的模型，损失值若在K次不下降，则动态调整学习率，直到学习率达到设定的最小值，loss值仍然不再下降，则结束训练，并将保存的最好的模型作为最终训练好的模型。

全文数据：

权利要求：

百度查询： 杭州质子科技有限公司 一种基于语义分割的多导联心律失常检测方法