本發(fā)明涉及心電圖分類方法，尤其涉及基于深度學(xué)習(xí)算法的心電圖分類方法。
背景技術(shù)：
心電圖波形數(shù)據(jù)采集及心電圖分類結(jié)果是醫(yī)生診斷心臟病疾患的重要輔助手段和參考信息，通常心電圖波形數(shù)據(jù)采集和分類是在醫(yī)院或體檢中心進行，存在檢測不方便、檢測頻率低等缺點，而且不能及時地把心電圖分類信息提供給醫(yī)生來做實時診斷，很難有效地預(yù)防和及時治療心臟病病變。近年來，隨著網(wǎng)絡(luò)、移動智能手機的普及，使得攜帶式心電監(jiān)測儀、家庭個人用心電波監(jiān)測儀的推出成為可能。目前市場上推出的這類監(jiān)測儀，其依據(jù)的分類法是傳統(tǒng)的測量分類法，一般是先測量出每個波形的切分點后對波形進行分類，然后再基于波形類型選擇不同方法來計算出所需的心電圖特征參數(shù)。將心電圖特征參數(shù)輸入基于醫(yī)學(xué)知識建立的傳統(tǒng)心電圖計算機自動分類算法，就可以得到心電圖分類結(jié)果。但因為攜帶式心電監(jiān)測儀、家庭個人用心電波監(jiān)測儀的信號容易受外界噪音干擾，這種測量分類法在對一些切分點不明顯的波形進行分類時，往往會出現(xiàn)誤分類，從而導(dǎo)致計算參數(shù)不正確，并最終導(dǎo)致誤分類，其臨床可靠性和準(zhǔn)確性較低，無法滿足實際的給醫(yī)生提供輔助診斷信息的需要。
技術(shù)實現(xiàn)要素：
本發(fā)明針對現(xiàn)有技術(shù)中存在的傳統(tǒng)的心電圖測量分類法在對一些切分點不明顯的波形進行分類時，往往會出現(xiàn)誤分類，從而導(dǎo)致計算參數(shù)不正確，無法滿足實際的給醫(yī)生提供輔助診斷信息的需要等缺陷，提供了一種新的基于深度學(xué)習(xí)算法的心電圖分類方法。
為了解決上述技術(shù)問題，本發(fā)明通過以下技術(shù)方案實現(xiàn)：
基于深度學(xué)習(xí)算法的心電圖分類方法，包括以下步驟：
a.取得測量時間在8秒以上的原始心電圖波形數(shù)據(jù)、心電圖附加信息，并根據(jù)原始心電圖波形數(shù)據(jù)進行心電圖節(jié)律信息的提取、代表PQRST波形的提取，獲取心電圖節(jié)律信息、代表PQRST波形數(shù)據(jù)；
b.對深度學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，將步驟a得到的代表PQRST波形數(shù)據(jù)從訓(xùn)練完的深度學(xué)習(xí)算法的輸入端輸入，經(jīng)深度學(xué)習(xí)算法進行PQRST波群分類后，從深度學(xué)習(xí)算法的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)；
c.根據(jù)步驟b得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)分析步驟a得到的代表PQRST波形數(shù)據(jù)，計算出代表PQRST波形特征數(shù)據(jù)；
d.將步驟a得到的心電圖附加信息、心電圖節(jié)律信息以及步驟c得到的代表PQRST波形特征數(shù)據(jù)輸入傳統(tǒng)心電圖計算機自動分類算法，得到心電圖分類結(jié)果。
深度學(xué)習(xí)算法是一種人工智能領(lǐng)域的機器學(xué)習(xí)方法，它含有多隱層的多層感知器，是通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示，深度學(xué)習(xí)方法目前已經(jīng)在圖像識別，聲音識別等應(yīng)用領(lǐng)域里被證明了它的有效性，能夠大幅度提高了傳統(tǒng)方法的識別精度。本發(fā)明中把深度學(xué)習(xí)方法導(dǎo)入心電圖分類領(lǐng)域，合理地結(jié)合心電圖分類的特點，并通過以上步驟對深度學(xué)習(xí)方法進行訓(xùn)練并用深度學(xué)習(xí)方法進行波形分類，能夠大幅度提高心電圖分類結(jié)果的正確率。
其中步驟a中8秒以上的原始心電圖波形數(shù)據(jù)具有數(shù)量充足的波形，使得提取得到的心電圖節(jié)律信息、代表PQRST波形數(shù)據(jù)更加準(zhǔn)確。其中代表PQRST波形的提取能夠有效減小非診斷要素如人體移動、電極不穩(wěn)定帶來的波形變化影響，同時由于代表PQRST波形的數(shù)據(jù)量相對原始心電圖波形數(shù)據(jù)中的波形數(shù)據(jù)少很多，其波形數(shù)據(jù)更加穩(wěn)定，可以大幅度減少后期深度學(xué)習(xí)算法的訓(xùn)練量，提高深度學(xué)習(xí)算法的計算效率，并提高提供給醫(yī)生的心電圖輔助分類信息的質(zhì)量。心電圖節(jié)律信息的提取能夠用來提高相關(guān)的心電圖分類信息的精確度。心電圖附加信息會影響原始心電圖波形數(shù)據(jù)中心電波振幅、噪音構(gòu)成等特性，對心電圖附加信息的使用能夠進一步提升最終得到的心電圖分類結(jié)果的正確率。
本發(fā)明的步驟b-步驟d中通過引入深度學(xué)習(xí)算法克服了傳統(tǒng)波形測量分類方法里存在的最大弱點，即因為P波、QRS波、T波類型的錯誤分類造成的二次參數(shù)的誤算導(dǎo)致的最終的心電圖分類錯誤。P波、QRS波、T波類型的錯誤分類是由于在傳統(tǒng)方法里對于每個導(dǎo)聯(lián)的代表波形進行分類時，對每個導(dǎo)聯(lián)的代表波形間的相關(guān)關(guān)系，每個導(dǎo)聯(lián)代表波形里的P波、QRS波、T波間的相關(guān)關(guān)系，以及每個導(dǎo)聯(lián)的時間要素和電壓要素間的相關(guān)關(guān)系，以及心電圖附加信息、心電圖節(jié)律信息和上述關(guān)系間的關(guān)系的分析能力不夠造成的。而深度學(xué)習(xí)算法在對于大量心電圖波形數(shù)據(jù)進行學(xué)習(xí)后，能夠自動總結(jié)出這些相關(guān)關(guān)系，從而能夠提升P波、QRS波、T波的分類正確度，最終大幅度提高心電圖分類結(jié)果正確率。同時本方法保留了已被醫(yī)生廣為接受的代表PQRST波形特征數(shù)據(jù)和傳統(tǒng)心電圖計算機自動分類算法的各個分析過程，使得在提高最終分類正確率的同時又使得深度學(xué)習(xí)算法的引入更容易為醫(yī)生們接受。
作為優(yōu)選，上述所述的基于深度學(xué)習(xí)算法的心電圖分類方法，所述的步驟c中，所述的代表PQRST波形特征數(shù)據(jù)包括代表PQRST波形數(shù)據(jù)中每個波形的切分點、波峰電壓值以及心電圖節(jié)律信息中所有心拍的節(jié)律信息。
以上信息是對P波、QRS波、T波分類的基礎(chǔ)數(shù)據(jù)，能夠較大程度上影響P波、QRS波、T波分類結(jié)果，能夠進一步提升分類的正確率，以及最終的心電圖分類結(jié)果正確率。
作為優(yōu)選，上述所述的基于深度學(xué)習(xí)算法的心電圖分類方法，所述的步驟a中，取得測量時間在8秒以上的原始心電圖波形數(shù)據(jù)后，對原始心電圖波形數(shù)據(jù)進行去噪處理。能夠去除原始心電圖波形數(shù)據(jù)的基線漂移噪音、肌電干擾、工頻干擾等，從而進一步提升最終的心電圖分類結(jié)果的正確率。
作為優(yōu)選，上述所述的基于深度學(xué)習(xí)算法的心電圖分類方法，所述的去噪處理包括：
a11.采用高通濾波器去除基線漂移噪音；
a12.基于PQ段信號的標(biāo)準(zhǔn)方差和閾值法確認(rèn)噪音是否過高；
a13.噪音過高時使用低通巴特沃斯濾波器去除噪音干擾。
通過以上步驟能夠有效去除原始心電圖波形數(shù)據(jù)中的基線漂移噪音、肌電干擾、工頻干擾等，從而進一步提升最終的心電圖分類結(jié)果的正確率。
作為優(yōu)選，上述所述的基于深度學(xué)習(xí)算法的心電圖分類方法，所述的步驟a中的原始心電波數(shù)據(jù)為單導(dǎo)聯(lián)數(shù)據(jù)。
單導(dǎo)聯(lián)數(shù)據(jù)一般適用便攜式的心電圖檢測儀器，使得本發(fā)明的適用范圍更廣，且單導(dǎo)聯(lián)里雖然沒有導(dǎo)聯(lián)間的關(guān)系分析，但是它仍然保留了代表PQRST波形數(shù)據(jù)里的P波、QRS波、T波之間的相關(guān)關(guān)系，以及心電圖附加信息、心電圖節(jié)律信息與上述關(guān)系間的關(guān)系的分析能力，從而大幅度提高了最終的心電圖分類結(jié)果正確率。
作為優(yōu)選，上述所述的基于深度學(xué)習(xí)算法的心電圖分類方法，所述的步驟a中的原始心電圖波形數(shù)據(jù)為多導(dǎo)聯(lián)數(shù)據(jù)，所述的心電圖節(jié)律信息由各個導(dǎo)聯(lián)的心電圖節(jié)律信息串聯(lián)成一維數(shù)據(jù)形成，所述的代表PQRST波形數(shù)據(jù)由各個導(dǎo)聯(lián)的代表PQRST波形數(shù)據(jù)串聯(lián)成一維數(shù)據(jù)形成。
多導(dǎo)聯(lián)的原始心電圖波形數(shù)據(jù)具有更加充分的信息，能提升相關(guān)的心電圖分類輔助信息的精確度，而由各個導(dǎo)聯(lián)的心電圖節(jié)律信息串聯(lián)成的心電圖節(jié)律信息以及由各個導(dǎo)聯(lián)的代表PQRST波形數(shù)據(jù)串聯(lián)成的代表PQRST波形數(shù)據(jù)在通過深度學(xué)習(xí)算法進行波形分類時，各個導(dǎo)聯(lián)間的相關(guān)性在經(jīng)過充分的訓(xùn)練后可以得到有效總結(jié)，能夠進一步提升最終的心電圖分類結(jié)果的正確率。
作為優(yōu)選，上述所述的基于深度學(xué)習(xí)算法的心電圖分類方法，所述的步驟b中，所述的深度學(xué)習(xí)算法為卷積神經(jīng)網(wǎng)絡(luò)或迭代神經(jīng)網(wǎng)絡(luò)或深度神經(jīng)網(wǎng)絡(luò)。
以上三種神經(jīng)網(wǎng)絡(luò)具有更高的準(zhǔn)確率，能夠保證最終的心電圖分類結(jié)果的正確率。
本發(fā)明的有益效果如下：
本發(fā)明引入深度學(xué)習(xí)算法進行P波、QRS波、T波分類，極大地提高了分類的正確度，進而極大地提高了代表PQRST波形特征數(shù)據(jù)的數(shù)據(jù)精度，使得代表PQRST波形特征數(shù)據(jù)更能反映出心電圖的真實狀況，從而極大地提高了代表PQRST波形特征數(shù)據(jù)通過傳統(tǒng)心電圖計算機自動分類算法得到的最終心電圖分類結(jié)果的準(zhǔn)確度。
附圖說明
圖1為本發(fā)明基于深度學(xué)習(xí)算法的心電圖分類方法的流程圖。
具體實施方式
下面結(jié)合附圖1和具體實施方式對本發(fā)明作進一步詳細(xì)描述，但它們不是對本發(fā)明的限制：
實施例1
基于深度學(xué)習(xí)算法的心電圖分類方法，其流程圖如圖1所示，具體包括以下步驟：
a.(1)獲取單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，并根據(jù)該單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)截取其中長度為10秒的數(shù)據(jù)作為原始心電圖波形數(shù)據(jù)，其中單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)可以通過已有的數(shù)據(jù)庫如歐共體心電圖波形數(shù)據(jù)庫(CSE)獲得，或者通過其它途徑獲得，心電圖附加信息中包括性別、身高、胸圍、體重、脂肪率、人種。
(2)根據(jù)需要，可對步驟(1)得到的原始心電圖波形數(shù)據(jù)進行去噪處理，去噪處理包括以下步驟：
a11.采用高通濾波器去除基線漂移噪音；
a12.基于PQ段信號的標(biāo)準(zhǔn)方差和閾值法確認(rèn)噪音是否過高；
a13.噪音過高時使用低通巴特沃斯濾波器去除噪音干擾。
(3)根據(jù)原始心電圖波形數(shù)據(jù)計算PQRST波形的區(qū)分點，從而根據(jù)PQRST波形的區(qū)分點進行心電圖節(jié)律信息的提取，獲取心電圖節(jié)律信息，其中心電圖節(jié)律信息包括平均心室心率、平均RR間隔、最長RR間隔和最短RR間隔之差、RR間隔的標(biāo)準(zhǔn)方差、一致性P波信息、竇房律下各心拍的PR間隔和平均值、R波中預(yù)激波檢測結(jié)果、竇房律下各心拍的QT間期和QTc間期和平均值、竇房律QRS平均波寬、竇房律P波寬和平均波寬、期外收縮信息、期外收縮類型、期外收縮形態(tài)、心房撲動的F波和心房顫動的f波的檢測結(jié)果、非同期P波的檢測結(jié)果，而代表PQRST波形通過以下步驟提?。?/p>
a21.通過一階微分法和閾值法，對原始心電圖波形數(shù)據(jù)進行檢測，獲取P波、QRS波、T波的特征點；
a22.對原始心電圖波形數(shù)據(jù)中的所有PQRST波進行聚類分析，根據(jù)分析結(jié)果將擁有PQRST波數(shù)目最多的類型作為代表PQRST波形，若數(shù)目最多的類型為2個以上，選取R波平均振幅最大的類型作為代表PQRST波形類，最后使用疊加平均法計算各個心拍的PQRST波的平均波形作為代表PQRST波形。
提取代表PQRST波形，計算代表性PQRST波形的平均波形用于心電圖分類，能提高信號信噪比，減少噪音對分類結(jié)果的影響，減少心電圖逐拍的隨機變動，提高分類的魯棒性，并減少數(shù)據(jù)量，提高分類的效率。而通過以上步驟來進行代表PQRST波形的提取，能夠有效提取原始心電圖波形數(shù)據(jù)中的P波、QRS波、T波的特征點，而將原始心電圖波形數(shù)據(jù)中的所有PQRST波進行聚類分析，能夠有效去除原始心電圖波形數(shù)據(jù)中受到噪音偽差干擾的PQRST波形以及與以及與節(jié)律相關(guān)的QRST波形，保證得到的代表PQRST波形能夠傳遞更準(zhǔn)確的有效信息進行心電圖分類。
(4)為了對卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，還需要獲取訓(xùn)練用數(shù)據(jù)，該訓(xùn)練用數(shù)據(jù)可從其它相應(yīng)體檢結(jié)果中獲取，也可以選擇從現(xiàn)有的數(shù)據(jù)庫例如從歐共體心電圖波形數(shù)據(jù)庫(CSE)中獲取，其中訓(xùn)練用數(shù)據(jù)包括其它相應(yīng)單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，以歐共體心電圖波形數(shù)據(jù)庫(CSE)為例，訓(xùn)練用數(shù)據(jù)的獲取步驟為：根據(jù)步驟a中的步驟(1)-步驟(3)對歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個信息進行處理，獲取歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個心電圖節(jié)律信息、代表PQRST波形數(shù)據(jù)、心電圖附加信息并鏈接成一維輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的排列方式可根據(jù)實際情況進行選擇。
b.(1)設(shè)定卷積神經(jīng)網(wǎng)絡(luò)輸入層、隱含層、輸出層的節(jié)點個數(shù)，并隨機設(shè)定相鄰層各節(jié)點之間的權(quán)重。
(2)將步驟a中的步驟(4)得到的訓(xùn)練用數(shù)據(jù)從卷積神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)卷積神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從卷積神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
(3)將卷積神經(jīng)網(wǎng)絡(luò)輸出端得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)與真實波形類型進行比較，基于輸出端和真實波形類型的檢測偏差，利用后向傳遞算法修改卷積神經(jīng)網(wǎng)絡(luò)內(nèi)各節(jié)點的權(quán)值。
(4)重復(fù)步驟(2)-(3)直到卷積神經(jīng)網(wǎng)絡(luò)判讀結(jié)果符合真實波形類型，即卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)收斂時，獲得訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)。
以上步驟能夠?qū)矸e神經(jīng)網(wǎng)絡(luò)進行很好地訓(xùn)練，使得卷積神經(jīng)網(wǎng)絡(luò)在經(jīng)過大量心電圖波形的學(xué)習(xí)后，能夠?qū)波、QRS波、T波的分類特征要素反映到卷積神經(jīng)網(wǎng)絡(luò)里面，則在后續(xù)利用該訓(xùn)練完成的卷積神經(jīng)網(wǎng)絡(luò)來對其他心電圖代表PQRST波形數(shù)據(jù)進行分類時就可以在在短時間內(nèi)高效的得出正確的分類結(jié)果。
(5)將步驟a中的步驟(3)得到的代表PQRST波形數(shù)據(jù)從步驟(4)訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)卷積神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從卷積神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
c.使用步驟b的步驟(5)得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)分析步驟a的步驟(3)得到的代表PQRST波形數(shù)據(jù)、PQRST波形的各區(qū)分點信息，可以計算出代表PQRST波形特征數(shù)據(jù)，其中代表PQRST波形特征數(shù)據(jù)包括：P波寬、P’寬、P波高、P波類型、PQ間期、QRS波寬、Q波寬、Q波振幅、R波高、R波寬、R’波高、S波振幅、S’波寬、QRS波類型、ST起點高、ST中段高、ST終點高、QT間期、T波高、修正T波高、delta波有無、U波高、P/QRS/T波電軸以及心電圖節(jié)律信息中所有心拍的節(jié)律信息等信息。
d.(1)將步驟a的步驟(1)得到的心電圖附加信息、步驟a的步驟(3)得到的心電圖節(jié)律信息以及步驟c得到的代表PQRST波形特征數(shù)據(jù)組成輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的組合方式可根據(jù)實際情況進行選擇。
(2)將步驟(1)得到的輸入數(shù)據(jù)輸入傳統(tǒng)心電圖計算機自動分類算法，得到自動心電圖分類結(jié)果。
實施例2
基于深度學(xué)習(xí)算法的心電圖分類方法，其流程圖如圖1所示，具體包括以下步驟：
a.(1)獲取單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，并根據(jù)該單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)截取其中長度為8秒的數(shù)據(jù)作為原始心電圖波形數(shù)據(jù)，其中單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息可以通過體檢結(jié)果獲得，也可以通過已有的數(shù)據(jù)庫如歐共體心電圖波形數(shù)據(jù)庫(CSE)獲得，或者通過其它途徑獲得，心電圖附加信息中包括性別、身高、胸圍、體重、脂肪率、人種。
(2)根據(jù)需要，可對步驟(1)得到的原始心電圖波形數(shù)據(jù)進行去噪處理，去噪處理包括以下步驟：
a11.采用高通濾波器去除基線漂移噪音；
a12.基于PQ段信號的標(biāo)準(zhǔn)方差和閾值法確認(rèn)噪音是否過高；
a13.噪音過高時使用低通巴特沃斯濾波器去除噪音干擾。
(3)根據(jù)原始心電圖波形數(shù)據(jù)計算PQRST波形的區(qū)分點，從而根據(jù)PQRST波形的區(qū)分點進行心電圖節(jié)律信息的提取，獲取心電圖節(jié)律信息，其中心電圖節(jié)律信息包括平均心室心率、平均RR間隔、最長RR間隔和最短RR間隔之差、RR間隔的標(biāo)準(zhǔn)方差、一致性P波信息、竇房律下各心拍的PR間隔和平均值、R波中預(yù)激波檢測結(jié)果、竇房律下各心拍的QT間期和QTc間期和平均值、竇房律QRS平均波寬、竇房律P波寬和平均波寬、期外收縮信息、期外收縮類型、期外收縮形態(tài)、心房撲動的F波和心房顫動的f波的檢測結(jié)果、非同期P波的檢測結(jié)果，而代表PQRST波形通過以下步驟提取：
a21.通過一階微分法和閾值法，對原始心電圖波形數(shù)據(jù)進行檢測，獲取P波、QRS波、T波的特征點；
a22.對原始心電圖波形數(shù)據(jù)中的所有PQRST波進行聚類分析，根據(jù)分析結(jié)果將擁有PQRST波數(shù)目最多的類型作為代表PQRST波形，若數(shù)目最多的類型為2個以上，選取R波平均振幅最大的類型作為代表PQRST波形類，最后使用疊加平均法計算各個心拍的PQRST波的平均波形作為代表PQRST波形。
提取代表PQRST波形，計算代表性PQRST波形的平均波形用于心電圖分類，能提高信號信噪比，減少噪音對分類結(jié)果的影響，減少心電圖逐拍的隨機變動，提高分類的魯棒性，并減少數(shù)據(jù)量，提高分類的效率。而通過以上步驟來進行代表PQRST波形的提取，能夠有效提取原始心電圖波形數(shù)據(jù)中的P波、QRS波、T波的特征點，而將原始心電圖波形數(shù)據(jù)中的所有PQRST波進行聚類分析，能夠有效去除原始心電圖波形數(shù)據(jù)中受到噪音偽差干擾的PQRST波形以及與以及與節(jié)律相關(guān)的QRST波形，保證得到的代表PQRST波形能夠傳遞更準(zhǔn)確的有效信息進行心電圖分類。
(4)為了對迭代神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，還需要獲取訓(xùn)練用數(shù)據(jù)，該訓(xùn)練用數(shù)據(jù)可從其它相應(yīng)體檢結(jié)果中獲取，也可以選擇從現(xiàn)有的數(shù)據(jù)庫例如從歐共體心電圖波形數(shù)據(jù)庫(CSE)中獲取，其中訓(xùn)練用數(shù)據(jù)包括其它相應(yīng)單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，以歐共體心電圖波形數(shù)據(jù)庫(CSE)為例，訓(xùn)練用數(shù)據(jù)的獲取步驟為：根據(jù)步驟a中的步驟(1)-步驟(3)對歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個信息進行處理，獲取歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個心電圖節(jié)律信息、代表PQRST波形數(shù)據(jù)、心電圖附加信息并鏈接成一維輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的排列方式可根據(jù)實際情況進行選擇。
b.(1)設(shè)定迭代神經(jīng)網(wǎng)絡(luò)輸入層、隱含層、輸出層的節(jié)點個數(shù)，并隨機設(shè)定相鄰層各節(jié)點之間的權(quán)重。
(2)將步驟a中的步驟(4)得到的訓(xùn)練用數(shù)據(jù)從迭代神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)迭代神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從迭代神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
(3)將迭代神經(jīng)網(wǎng)絡(luò)輸出端得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)與真實波形類型進行比較，基于輸出端和真實波形類型的檢測偏差，利用后向傳遞算法修改迭代神經(jīng)網(wǎng)絡(luò)內(nèi)各節(jié)點的權(quán)值。
(4)重復(fù)步驟(2)-(3)直到迭代神經(jīng)網(wǎng)絡(luò)判讀結(jié)果符合真實波形類型，即迭代神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)收斂時，獲得訓(xùn)練好的迭代神經(jīng)網(wǎng)絡(luò)。
以上步驟能夠?qū)Φ窠?jīng)網(wǎng)絡(luò)進行很好地訓(xùn)練，使得迭代神經(jīng)網(wǎng)絡(luò)在經(jīng)過大量心電圖波形的學(xué)習(xí)后，能夠?qū)波、QRS波、T波的分類特征要素反映到迭代神經(jīng)網(wǎng)絡(luò)里面，則在后續(xù)利用該訓(xùn)練完成的迭代神經(jīng)網(wǎng)絡(luò)來對其他心電圖代表PQRST波形數(shù)據(jù)進行分類時就可以在在短時間內(nèi)高效的得出正確的分類結(jié)果。
(5)將步驟a中的步驟(3)得到的代表PQRST波形數(shù)據(jù)從步驟(4)訓(xùn)練好的迭代神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)迭代神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從迭代神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
c.使用步驟b的步驟(5)得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)分析步驟a的步驟(3)得到的代表PQRST波形數(shù)據(jù)、PQRST波形的各區(qū)分點信息，可以計算出代表PQRST波形特征數(shù)據(jù)，其中代表PQRST波形特征數(shù)據(jù)包括：P波寬、P’寬、P波高、P波類型、PQ間期、QRS波寬、Q波寬、Q波振幅、R波高、R波寬、R’波高、S波振幅、S’波寬、QRS波類型、ST起點高、ST中段高、ST終點高、QT間期、T波高、修正T波高、delta波有無、U波高、P/QRS/T波電軸以及心電圖節(jié)律信息中所有心拍的節(jié)律信息等信息。
d.(1)將步驟a的步驟(1)得到的心電圖附加信息、步驟a的步驟(3)得到的心電圖節(jié)律信息以及步驟c得到的代表PQRST波形特征數(shù)據(jù)組成輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的組合方式可根據(jù)實際情況進行選擇。
(2)將步驟(1)得到的輸入數(shù)據(jù)輸入傳統(tǒng)心電圖計算機自動分類算法，得到自動心電圖分類結(jié)果。
實施例3
基于深度學(xué)習(xí)算法的心電圖分類方法，其流程圖如圖1所示，具體包括以下步驟：
a.(1)獲取單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，并根據(jù)該單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)截取其中長度為16秒的數(shù)據(jù)作為原始心電圖波形數(shù)據(jù)，其中單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息可以通過體檢結(jié)果獲得，也可以通過已有的數(shù)據(jù)庫如歐共體心電圖波形數(shù)據(jù)庫(CSE)獲得，或者通過其它途徑獲得，心電圖附加信息中包括性別、身高、胸圍、體重、脂肪率、人種。
(2)根據(jù)需要，可對步驟(1)得到的原始心電圖波形數(shù)據(jù)進行去噪處理，去噪處理包括以下步驟：
a11.采用高通濾波器去除基線漂移噪音；
a12.基于PQ段信號的標(biāo)準(zhǔn)方差和閾值法確認(rèn)噪音是否過高；
a13.噪音過高時使用低通巴特沃斯濾波器去除噪音干擾。
(3)根據(jù)原始心電圖波形數(shù)據(jù)計算PQRST波形的區(qū)分點，從而根據(jù)PQRST波形的區(qū)分點進行心電圖節(jié)律信息的提取，獲取心電圖節(jié)律信息，其中心電圖節(jié)律信息包括平均心室心率、平均RR間隔、最長RR間隔和最短RR間隔之差、RR間隔的標(biāo)準(zhǔn)方差、一致性P波信息、竇房律下各心拍的PR間隔和平均值、R波中預(yù)激波檢測結(jié)果、竇房律下各心拍的QT間期和QTc間期和平均值、竇房律QRS平均波寬、竇房律P波寬和平均波寬、期外收縮信息、期外收縮類型、期外收縮形態(tài)、心房撲動的F波和心房顫動的f波的檢測結(jié)果、非同期P波的檢測結(jié)果，而代表PQRST波形通過以下步驟提?。?/p>
a21.通過一階微分法和閾值法，對原始心電圖波形數(shù)據(jù)進行檢測，獲取P波、QRS波、T波的特征點；
a22.對原始心電圖波形數(shù)據(jù)中的所有PQRST波進行聚類分析，根據(jù)分析結(jié)果將擁有PQRST波數(shù)目最多的類型作為代表PQRST波形，若數(shù)目最多的類型為2個以上，選取R波平均振幅最大的類型作為代表PQRST波形類，最后使用疊加平均法計算各個心拍的PQRST波的平均波形作為代表PQRST波形。
提取代表PQRST波形，計算代表性PQRST波形的平均波形用于心電圖分類，能提高信號信噪比，減少噪音對分類結(jié)果的影響，減少心電圖逐拍的隨機變動，提高分類的魯棒性，并減少數(shù)據(jù)量，提高分類分析的效率。而通過以上步驟來進行代表PQRST波形的提取，能夠有效提取原始心電圖波形數(shù)據(jù)中的P波、QRS波、T波的特征點，而將原始心電圖波形數(shù)據(jù)中的所有PQRST波進行聚類分析，能夠有效去除原始心電圖波形數(shù)據(jù)中受到噪音偽差干擾的PQRST波形以及與以及與節(jié)律相關(guān)的QRST波形，保證得到的代表PQRST波形能夠傳遞更準(zhǔn)確的有效信息進行心電圖分類。
(4)為了對深度神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，還需要獲取訓(xùn)練用數(shù)據(jù)，該訓(xùn)練用數(shù)據(jù)可從其它相應(yīng)體檢結(jié)果中獲取，也可以選擇從現(xiàn)有的數(shù)據(jù)庫例如從歐共體心電圖波形數(shù)據(jù)庫(CSE)中獲取，其中訓(xùn)練用數(shù)據(jù)包括其它相應(yīng)單導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，以歐共體心電圖波形數(shù)據(jù)庫(CSE)為例，訓(xùn)練用數(shù)據(jù)的獲取步驟為：根據(jù)步驟a中的步驟(1)-步驟(3)對歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個信息進行處理，獲取歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個心電圖節(jié)律信息、代表PQRST波形數(shù)據(jù)、心電圖附加信息并鏈接成一維輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的排列方式可根據(jù)實際情況進行選擇。
b.(1)設(shè)定深度神經(jīng)網(wǎng)絡(luò)輸入層、隱含層、輸出層的節(jié)點個數(shù)，并隨機設(shè)定相鄰層各節(jié)點之間的權(quán)重。
(2)將步驟a中的步驟(4)得到的訓(xùn)練用數(shù)據(jù)從深度神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)深度神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從深度神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
(3)將深度神經(jīng)網(wǎng)絡(luò)輸出端得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)與真實波形類型進行比較，基于輸出端和真實波形類型的檢測偏差，利用后向傳遞算法修改深度神經(jīng)網(wǎng)絡(luò)內(nèi)各節(jié)點的權(quán)值。
(4)重復(fù)步驟(2)-(3)直到深度神經(jīng)網(wǎng)絡(luò)判讀結(jié)果符合真實波形類型，即深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)收斂時，獲得訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)。
以上步驟能夠?qū)ι疃壬窠?jīng)網(wǎng)絡(luò)進行很好地訓(xùn)練，使得深度神經(jīng)網(wǎng)絡(luò)在經(jīng)過大量心電圖波形的學(xué)習(xí)后，能夠?qū)波、QRS波、T波的分類特征要素反映到深度神經(jīng)網(wǎng)絡(luò)里面，則在后續(xù)利用該訓(xùn)練完成的深度神經(jīng)網(wǎng)絡(luò)來對其他心電圖代表PQRST波形數(shù)據(jù)進行分類時就可以在在短時間內(nèi)高效的得出正確的分類結(jié)果。
(5)將步驟a中的步驟(3)得到的代表PQRST波形數(shù)據(jù)從步驟(4)訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)深度神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從深度神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
c.使用步驟b的步驟(5)得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)分析步驟a的步驟(3)得到的代表PQRST波形數(shù)據(jù)、PQRST波形的各區(qū)分點信息，可以計算出代表PQRST波形特征數(shù)據(jù)，其中代表PQRST波形特征數(shù)據(jù)包括：P波寬、P’寬、P波高、P波類型、PQ間期、QRS波寬、Q波寬、Q波振幅、R波高、R波寬、R’波高、S波振幅、S’波寬、QRS波類型、ST起點高、ST中段高、ST終點高、QT間期、T波高、修正T波高、delta波有無、U波高、P/QRS/T波電軸以及心電圖節(jié)律信息中所有心拍的節(jié)律信息等信息。
d.(1)將步驟a的步驟(1)得到的心電圖附加信息、步驟a的步驟(3)得到的心電圖節(jié)律信息以及步驟c得到的代表PQRST波形特征數(shù)據(jù)組成輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的組合方式可根據(jù)實際情況進行選擇。
(2)將步驟(1)得到的輸入數(shù)據(jù)輸入傳統(tǒng)心電圖計算機自動分類算法，得到自動心電圖分類結(jié)果。
實施例4
基于深度學(xué)習(xí)算法的心電圖分類方法，其流程圖如圖1所示，具體包括以下步驟：
a.(1)獲取多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，并根據(jù)該多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)截取其中長度為10秒的數(shù)據(jù)作為原始心電圖波形數(shù)據(jù)，其中多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息可以通過體檢結(jié)果獲得，也可以通過已有的數(shù)據(jù)庫如歐共體心電圖波形數(shù)據(jù)庫(CSE)獲得，或者通過其它途徑獲得，該多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)可以為十二導(dǎo)聯(lián)心電圖波形數(shù)據(jù)、三導(dǎo)聯(lián)心電圖波形數(shù)據(jù)、六導(dǎo)聯(lián)心電圖波形數(shù)據(jù)、十八導(dǎo)聯(lián)心電圖波形數(shù)據(jù)等多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)。心電圖附加信息中包括性別、身高、胸圍、體重、脂肪率、人種。
(2)根據(jù)需要，可對步驟(1)得到的原始心電圖波形數(shù)據(jù)進行去噪處理，去噪處理包括以下步驟：
a11.采用高通濾波器去除基線漂移噪音；
a12.基于PQ段信號的標(biāo)準(zhǔn)方差和閾值法確認(rèn)噪音是否過高；
a13.噪音過高時使用低通巴特沃斯濾波器去除噪音干擾。
(3)根據(jù)原始心電圖波形數(shù)據(jù)計算PQRST波形的區(qū)分點，從而根據(jù)PQRST波形的區(qū)分點進行心電圖節(jié)律信息的提取，獲取心電圖節(jié)律信息，該心電圖節(jié)律信息是由各個導(dǎo)聯(lián)的心電圖節(jié)律信息串聯(lián)成一維數(shù)據(jù)而形成，其中心電圖節(jié)律信息包括平均心室心率、平均RR間隔、最長RR間隔和最短RR間隔之差、RR間隔的標(biāo)準(zhǔn)方差、一致性P波信息、竇房律下各心拍的PR間隔和平均值、R波中預(yù)激波檢測結(jié)果、竇房律下各心拍的QT間期和QTc間期和平均值、竇房律QRS平均波寬、竇房律P波寬和平均波寬、期外收縮信息、期外收縮類型、期外收縮形態(tài)、心房撲動的F波和心房顫動的f波的檢測結(jié)果、非同期P波的檢測結(jié)果，而代表PQRST波形通過以下步驟提?。?/p>
a21.通過一階微分法和閾值法，對原始心電圖波形數(shù)據(jù)中的其中一個導(dǎo)聯(lián)進行檢測，獲取該導(dǎo)聯(lián)的P波、QRS波、T波的特征點；
a22.對該導(dǎo)聯(lián)中的所有PQRST波進行聚類分析，根據(jù)分析結(jié)果將擁有PQRST波數(shù)目最多的類型作為代表PQRST波形，若數(shù)目最多的類型為2個以上，選取R波平均振幅最大的類型作為代表PQRST波形類，最后使用疊加平均法計算各個心拍的PQRST波的平均波形作為代表PQRST波形。
a23.對原始心電圖波形數(shù)據(jù)中的其它導(dǎo)聯(lián)也通過步驟a21以及步驟a22進行代表PQRST波形的提取，提取完畢后將各個導(dǎo)聯(lián)的代表PQRST波形串聯(lián)成一維數(shù)據(jù)形成代表PQRST波形數(shù)據(jù)。
提取代表PQRST波形，計算代表性PQRST波形的平均波形用于心電圖分類，能提高信號信噪比，減少噪音對分類結(jié)果的影響，減少心電圖逐拍的隨機變動，提高分類的魯棒性，并減少數(shù)據(jù)量，提高分類的效率。而通過以上步驟來進行代表PQRST波形的提取，能夠有效提取原始心電圖波形數(shù)據(jù)中的P波、QRS波、T波的特征點，而將原始心電圖波形數(shù)據(jù)中的所有PQRST波進行聚類分析，能夠有效去除原始心電圖波形數(shù)據(jù)中受到噪音偽差干擾的PQRST波形以及與以及與節(jié)律相關(guān)的QRST波形，保證得到的代表PQRST波形能夠傳遞更準(zhǔn)確的有效信息進行心電圖分類。
(4)為了對卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，還需要獲取訓(xùn)練用數(shù)據(jù)，該訓(xùn)練用數(shù)據(jù)可從其它相應(yīng)體檢結(jié)果中獲取，也可以選擇從現(xiàn)有的數(shù)據(jù)庫例如從歐共體心電圖波形數(shù)據(jù)庫(CSE)中獲取，其中訓(xùn)練用數(shù)據(jù)包括其它相應(yīng)多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，以歐共體心電圖波形數(shù)據(jù)庫(CSE)為例，訓(xùn)練用數(shù)據(jù)的獲取步驟為：根據(jù)步驟a中的步驟(1)-步驟(3)對歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個信息進行處理，獲取歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個心電圖節(jié)律信息、代表PQRST波形數(shù)據(jù)、心電圖附加信息并鏈接成一維輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的排列方式可根據(jù)實際情況進行選擇。
b.(1)設(shè)定卷積神經(jīng)網(wǎng)絡(luò)輸入層、隱含層、輸出層的節(jié)點個數(shù)，并隨機設(shè)定相鄰層各節(jié)點之間的權(quán)重。
(2)將步驟a中的步驟(4)得到的訓(xùn)練用數(shù)據(jù)從卷積神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)卷積神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從卷積神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
(3)將卷積神經(jīng)網(wǎng)絡(luò)輸出端得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)與真實波形類型進行比較，基于輸出端和真實波形類型的檢測偏差，利用后向傳遞算法修改卷積神經(jīng)網(wǎng)絡(luò)內(nèi)各節(jié)點的權(quán)值。
(4)重復(fù)步驟(2)-(3)直到卷積神經(jīng)網(wǎng)絡(luò)判讀結(jié)果符合真實波形類型，即卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)收斂時，獲得訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)。
以上步驟能夠?qū)矸e神經(jīng)網(wǎng)絡(luò)進行很好地訓(xùn)練，使得卷積神經(jīng)網(wǎng)絡(luò)在經(jīng)過大量心電圖波形的學(xué)習(xí)后，能夠?qū)波、QRS波、T波的分類特征要素反映到卷積神經(jīng)網(wǎng)絡(luò)里面，則在后續(xù)利用該訓(xùn)練完成的卷積神經(jīng)網(wǎng)絡(luò)來對其他心電圖代表PQRST波形數(shù)據(jù)進行分類時就可以在在短時間內(nèi)高效的得出正確的分類結(jié)果。
(5)將步驟a中的步驟(3)得到的代表PQRST波形數(shù)據(jù)從步驟(4)訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)卷積神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從卷積神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
c.使用步驟b的步驟(5)得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)分析步驟a的步驟(3)得到的代表PQRST波形數(shù)據(jù)、PQRST波形的各區(qū)分點信息，可以計算出代表PQRST波形特征數(shù)據(jù)，其中代表PQRST波形特征數(shù)據(jù)包括：P波寬、P’寬、P波高、P波類型、PQ間期、QRS波寬、Q波寬、Q波振幅、R波高、R波寬、R’波高、S波振幅、S’波寬、QRS波類型、ST起點高、ST中段高、ST終點高、QT間期、T波高、修正T波高、delta波有無、U波高、P/QRS/T波電軸以及心電圖節(jié)律信息中所有心拍的節(jié)律信息等信息。
d.(1)將步驟a的步驟(1)得到的心電圖附加信息、步驟a的步驟(3)得到的心電圖節(jié)律信息以及步驟c得到的代表PQRST波形特征數(shù)據(jù)組成輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的組合方式可根據(jù)實際情況進行選擇。
(2)將步驟(1)得到的輸入數(shù)據(jù)輸入傳統(tǒng)心電圖計算機自動分類算法，得到自動心電圖分類結(jié)果。
實施例5
基于深度學(xué)習(xí)算法的心電圖分類方法，其流程圖如圖1所示，具體包括以下步驟：
a.(1)獲取多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，并根據(jù)該多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)截取其中長度為8秒的數(shù)據(jù)作為原始心電圖波形數(shù)據(jù)，其中多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息可以通過體檢結(jié)果獲得，也可以通過已有的數(shù)據(jù)庫如歐共體心電圖波形數(shù)據(jù)庫(CSE)獲得，或者通過其它途徑獲得，該多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)可以為十二導(dǎo)聯(lián)心電圖波形數(shù)據(jù)、三導(dǎo)聯(lián)心電圖波形數(shù)據(jù)、六導(dǎo)聯(lián)心電圖波形數(shù)據(jù)、十八導(dǎo)聯(lián)心電圖波形數(shù)據(jù)等多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)。心電圖附加信息中包括性別、身高、胸圍、體重、脂肪率、人種。
(2)根據(jù)需要，可對步驟(1)得到的原始心電圖波形數(shù)據(jù)進行去噪處理，去噪處理包括以下步驟：
a11.采用高通濾波器去除基線漂移噪音；
a12.基于PQ段信號的標(biāo)準(zhǔn)方差和閾值法確認(rèn)噪音是否過高；
a13.噪音過高時使用低通巴特沃斯濾波器去除噪音干擾。
(3)根據(jù)原始心電圖波形數(shù)據(jù)計算PQRST波形的區(qū)分點，從而根據(jù)PQRST波形的區(qū)分點進行心電圖節(jié)律信息的提取，獲取心電圖節(jié)律信息，該心電圖節(jié)律信息是由各個導(dǎo)聯(lián)的心電圖節(jié)律信息串聯(lián)成一維數(shù)據(jù)而形成，其中心電圖節(jié)律信息包括平均心室心率、平均RR間隔、最長RR間隔和最短RR間隔之差、RR間隔的標(biāo)準(zhǔn)方差、一致性P波信息、竇房律下各心拍的PR間隔和平均值、R波中預(yù)激波檢測結(jié)果、竇房律下各心拍的QT間期和QTc間期和平均值、竇房律QRS平均波寬、竇房律P波寬和平均波寬、期外收縮信息、期外收縮類型、期外收縮形態(tài)、心房撲動的F波和心房顫動的f波的檢測結(jié)果、非同期P波的檢測結(jié)果，而代表PQRST波形通過以下步驟提?。?/p>
a21.通過一階微分法和閾值法，對原始心電圖波形數(shù)據(jù)中的其中一個導(dǎo)聯(lián)進行檢測，獲取該導(dǎo)聯(lián)的P波、QRS波、T波的特征點；
a22.對該導(dǎo)聯(lián)中的所有PQRST波進行聚類分析，根據(jù)分析結(jié)果將擁有PQRST波數(shù)目最多的類型作為代表PQRST波形，若數(shù)目最多的類型為2個以上，選取R波平均振幅最大的類型作為代表PQRST波形類，最后使用疊加平均法計算各個心拍的PQRST波的平均波形作為代表PQRST波形。
a23.對原始心電圖波形數(shù)據(jù)中的其它導(dǎo)聯(lián)也通過步驟a21以及步驟a22進行代表PQRST波形的提取，提取完畢后將各個導(dǎo)聯(lián)的代表PQRST波形串聯(lián)成一維數(shù)據(jù)形成代表PQRST波形數(shù)據(jù)。
提取代表PQRST波形，計算代表性PQRST波形的平均波形用于心電圖分類，能提高信號信噪比，減少噪音對分類結(jié)果的影響，減少心電圖逐拍的隨機變動，提高分類的魯棒性，并減少數(shù)據(jù)量，提高分類的效率。而通過以上步驟來進行代表PQRST波形的提取，能夠有效提取原始心電圖波形數(shù)據(jù)中的P波、QRS波、T波的特征點，而將原始心電圖波形數(shù)據(jù)中的所有PQRST波進行聚類分析，能夠有效去除原始心電圖波形數(shù)據(jù)中受到噪音偽差干擾的PQRST波形以及與以及與節(jié)律相關(guān)的QRST波形，保證得到的代表PQRST波形能夠傳遞更準(zhǔn)確的有效信息進行心電圖分類。
(4)為了對迭代神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，還需要獲取訓(xùn)練用數(shù)據(jù)，該訓(xùn)練用數(shù)據(jù)可從其它相應(yīng)體檢結(jié)果中獲取，也可以選擇從現(xiàn)有的數(shù)據(jù)庫例如從歐共體心電圖波形數(shù)據(jù)庫(CSE)中獲取，其中訓(xùn)練用數(shù)據(jù)包括其它相應(yīng)多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，以歐共體心電圖波形數(shù)據(jù)庫(CSE)為例，訓(xùn)練用數(shù)據(jù)的獲取步驟為：根據(jù)步驟a中的步驟(1)-步驟(3)對歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個信息進行處理，獲取歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個心電圖節(jié)律信息、代表PQRST波形數(shù)據(jù)、心電圖附加信息并鏈接成一維輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的排列方式可根據(jù)實際情況進行選擇。
b.(1)設(shè)定迭代神經(jīng)網(wǎng)絡(luò)輸入層、隱含層、輸出層的節(jié)點個數(shù)，并隨機設(shè)定相鄰層各節(jié)點之間的權(quán)重。
(2)將步驟a中的步驟(4)得到的訓(xùn)練用數(shù)據(jù)從迭代神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)迭代神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從迭代神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
(3)將迭代神經(jīng)網(wǎng)絡(luò)輸出端得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)與真實波形類型進行比較，基于輸出端和真實波形類型的檢測偏差，利用后向傳遞算法修改迭代神經(jīng)網(wǎng)絡(luò)內(nèi)各節(jié)點的權(quán)值。
(4)重復(fù)步驟(2)-(3)直到迭代神經(jīng)網(wǎng)絡(luò)判讀結(jié)果符合真實波形類型，即迭代神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)收斂時，獲得訓(xùn)練好的迭代神經(jīng)網(wǎng)絡(luò)。
以上步驟能夠?qū)Φ窠?jīng)網(wǎng)絡(luò)進行很好地訓(xùn)練，使得迭代神經(jīng)網(wǎng)絡(luò)在經(jīng)過大量心電圖波形的學(xué)習(xí)后，能夠?qū)波、QRS波、T波的分類特征要素反映到迭代神經(jīng)網(wǎng)絡(luò)里面，則在后續(xù)利用該訓(xùn)練完成的迭代神經(jīng)網(wǎng)絡(luò)來對其他心電圖代表PQRST波形數(shù)據(jù)進行分類時就可以在在短時間內(nèi)高效的得出正確的分類結(jié)果。
(5)將步驟a中的步驟(3)得到的代表PQRST波形數(shù)據(jù)從步驟(4)訓(xùn)練好的迭代神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)迭代神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從迭代神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
c.使用步驟b的步驟(5)得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)分析步驟a的步驟(3)得到的代表PQRST波形數(shù)據(jù)、PQRST波形的各區(qū)分點信息，可以計算出代表PQRST波形特征數(shù)據(jù)，其中代表PQRST波形特征數(shù)據(jù)包括：P波寬、P’寬、P波高、P波類型、PQ間期、QRS波寬、Q波寬、Q波振幅、R波高、R波寬、R’波高、S波振幅、S’波寬、QRS波類型、ST起點高、ST中段高、ST終點高、QT間期、T波高、修正T波高、delta波有無、U波高、P/QRS/T波電軸以及心電圖節(jié)律信息中所有心拍的節(jié)律信息等信息。
d.(1)將步驟a的步驟(1)得到的心電圖附加信息、步驟a的步驟(3)得到的心電圖節(jié)律信息以及步驟c得到的代表PQRST波形特征數(shù)據(jù)組成輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的組合方式可根據(jù)實際情況進行選擇。
(2)將步驟(1)得到的輸入數(shù)據(jù)輸入傳統(tǒng)心電圖計算機自動分類算法，得到自動心電圖分類結(jié)果。
實施例6
基于深度學(xué)習(xí)算法的心電圖分類方法，其流程圖如圖1所示，具體包括以下步驟：
a.(1)獲取多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，并根據(jù)該多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)截取其中長度為16秒的數(shù)據(jù)作為原始心電圖波形數(shù)據(jù)，其中多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息可以通過體檢結(jié)果獲得，也可以通過已有的數(shù)據(jù)庫如歐共體心電圖波形數(shù)據(jù)庫(CSE)獲得，或者通過其它途徑獲得，該多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)可以為十二導(dǎo)聯(lián)心電圖波形數(shù)據(jù)、三導(dǎo)聯(lián)心電圖波形數(shù)據(jù)、六導(dǎo)聯(lián)心電圖波形數(shù)據(jù)、十八導(dǎo)聯(lián)心電圖波形數(shù)據(jù)等多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)。心電圖附加信息中包括性別、身高、胸圍、體重、脂肪率、人種。
(2)根據(jù)需要，可對步驟(1)得到的原始心電圖波形數(shù)據(jù)進行去噪處理，去噪處理包括以下步驟：
a11.采用高通濾波器去除基線漂移噪音；
a12.基于PQ段信號的標(biāo)準(zhǔn)方差和閾值法確認(rèn)噪音是否過高；
a13.噪音過高時使用低通巴特沃斯濾波器去除噪音干擾。
(3)根據(jù)原始心電圖波形數(shù)據(jù)計算PQRST波形的區(qū)分點，從而根據(jù)PQRST波形的區(qū)分點進行心電圖節(jié)律信息的提取，獲取心電圖節(jié)律信息，該心電圖節(jié)律信息是由各個導(dǎo)聯(lián)的心電圖節(jié)律信息串聯(lián)成一維數(shù)據(jù)而形成，其中心電圖節(jié)律信息包括平均心室心率、平均RR間隔、最長RR間隔和最短RR間隔之差、RR間隔的標(biāo)準(zhǔn)方差、一致性P波信息、竇房律下各心拍的PR間隔和平均值、R波中預(yù)激波檢測結(jié)果、竇房律下各心拍的QT間期和QTc間期和平均值、竇房律QRS平均波寬、竇房律P波寬和平均波寬、期外收縮信息、期外收縮類型、期外收縮形態(tài)、心房撲動的F波和心房顫動的f波的檢測結(jié)果、非同期P波的檢測結(jié)果，而代表PQRST波形通過以下步驟提?。?/p>
a21.通過一階微分法和閾值法，對原始心電圖波形數(shù)據(jù)中的其中一個導(dǎo)聯(lián)進行檢測，獲取該導(dǎo)聯(lián)的P波、QRS波、T波的特征點；
a22.對該導(dǎo)聯(lián)中的所有PQRST波進行聚類分析，根據(jù)分析結(jié)果將擁有PQRST波數(shù)目最多的類型作為代表PQRST波形，若數(shù)目最多的類型為2個以上，選取R波平均振幅最大的類型作為代表PQRST波形類，最后使用疊加平均法計算各個心拍的PQRST波的平均波形作為代表PQRST波形。
a23.對原始心電圖波形數(shù)據(jù)中的其它導(dǎo)聯(lián)也通過步驟a21以及步驟a22進行代表PQRST波形的提取，提取完畢后將各個導(dǎo)聯(lián)的代表PQRST波形串聯(lián)成一維數(shù)據(jù)形成代表PQRST波形數(shù)據(jù)。
提取代表PQRST波形，計算代表性PQRST波形的平均波形用于心電圖分類，能提高信號信噪比，減少噪音對分類結(jié)果的影響，減少心電圖逐拍的隨機變動，提高分類的魯棒性，并減少數(shù)據(jù)量，提高分類的效率。而通過以上步驟來進行代表PQRST波形的提取，能夠有效提取原始心電圖波形數(shù)據(jù)中的P波、QRS波、T波的特征點，而將原始心電圖波形數(shù)據(jù)中的所有PQRST波進行聚類分析，能夠有效去除原始心電圖波形數(shù)據(jù)中受到噪音偽差干擾的PQRST波形以及與以及與節(jié)律相關(guān)的QRST波形，保證得到的代表PQRST波形能夠傳遞更準(zhǔn)確的有效信息進行心電圖分類。
(4)為了對深度神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，還需要獲取訓(xùn)練用數(shù)據(jù)，該訓(xùn)練用數(shù)據(jù)可從其它相應(yīng)體檢結(jié)果中獲取，也可以選擇從現(xiàn)有的數(shù)據(jù)庫例如從歐共體心電圖波形數(shù)據(jù)庫(CSE)中獲取，其中訓(xùn)練用數(shù)據(jù)包括其它相應(yīng)多導(dǎo)聯(lián)心電圖波形數(shù)據(jù)以及心電圖附加信息，以歐共體心電圖波形數(shù)據(jù)庫(CSE)為例，訓(xùn)練用數(shù)據(jù)的獲取步驟為：根據(jù)步驟a中的步驟(1)-步驟(3)對歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個信息進行處理，獲取歐共體心電圖波形數(shù)據(jù)庫(CSE)中各個心電圖節(jié)律信息、代表PQRST波形數(shù)據(jù)、心電圖附加信息并鏈接成一維輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的排列方式可根據(jù)實際情況進行選擇。
b.(1)設(shè)定深度神經(jīng)網(wǎng)絡(luò)輸入層、隱含層、輸出層的節(jié)點個數(shù)，并隨機設(shè)定相鄰層各節(jié)點之間的權(quán)重。
(2)將步驟a中的步驟(4)得到的訓(xùn)練用數(shù)據(jù)從深度神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)深度神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從深度神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
(3)將深度神經(jīng)網(wǎng)絡(luò)輸出端得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)與真實波形類型進行比較，基于輸出端和真實波形類型的檢測偏差，利用后向傳遞算法修改深度神經(jīng)網(wǎng)絡(luò)內(nèi)各節(jié)點的權(quán)值。
(4)重復(fù)步驟(2)-(3)直到深度神經(jīng)網(wǎng)絡(luò)判讀結(jié)果符合真實波形類型，即深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)收斂時，獲得訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)。
以上步驟能夠?qū)ι疃壬窠?jīng)網(wǎng)絡(luò)進行很好地訓(xùn)練，使得深度神經(jīng)網(wǎng)絡(luò)在經(jīng)過大量心電圖波形的學(xué)習(xí)后，能夠?qū)波、QRS波、T波的分類特征要素反映到深度神經(jīng)網(wǎng)絡(luò)里面，則在后續(xù)利用該訓(xùn)練完成的深度神經(jīng)網(wǎng)絡(luò)來對其他心電圖代表PQRST波形數(shù)據(jù)進行分類時就可以在在短時間內(nèi)高效的得出正確的分類結(jié)果。
(5)將步驟a中的步驟(3)得到的代表PQRST波形數(shù)據(jù)從步驟(4)訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)的輸入端輸入，經(jīng)深度神經(jīng)網(wǎng)絡(luò)進行PQRST波群分類后，從深度神經(jīng)網(wǎng)絡(luò)的輸出端得到P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)。
c.使用步驟b的步驟(5)得到的P波類型數(shù)據(jù)、QRS波類型數(shù)據(jù)、T波類型數(shù)據(jù)分析步驟a的步驟(3)得到的代表PQRST波形數(shù)據(jù)、PQRST波形的各區(qū)分點信息，可以計算出代表PQRST波形特征數(shù)據(jù)，其中代表PQRST波形特征數(shù)據(jù)包括：P波寬、P’寬、P波高、P波類型、PQ間期、QRS波寬、Q波寬、Q波振幅、R波高、R波寬、R’波高、S波振幅、S’波寬、QRS波類型、ST起點高、ST中段高、ST終點高、QT間期、T波高、修正T波高、delta波有無、U波高、P/QRS/T波電軸以及心電圖節(jié)律信息中所有心拍的節(jié)律信息等信息。
d.(1)將步驟a的步驟(1)得到的心電圖附加信息、步驟a的步驟(3)得到的心電圖節(jié)律信息以及步驟c得到的代表PQRST波形特征數(shù)據(jù)組成輸入數(shù)據(jù)，其中心電圖附加信息、代表PQRST波形數(shù)據(jù)、心電圖節(jié)律信息的組合方式可根據(jù)實際情況進行選擇。
(2)將步驟(1)得到的輸入數(shù)據(jù)輸入傳統(tǒng)心電圖計算機自動分類算法，得到自動心電圖分類結(jié)果。
實施例7
本實施例將實施例1至實施例6的心電圖分類結(jié)果與傳統(tǒng)測量法的心電圖分類結(jié)果從敏感度、特異度這兩方面進行了比較，比較結(jié)果如下表所示：
從上表可知，通過本發(fā)明得到的心電圖分類結(jié)果，其敏感度、特異度相比傳統(tǒng)測量法得到的心電圖分類結(jié)果提高了約5%，基本保持在92%左右，能夠很好地滿足實際的給醫(yī)生提供輔助診斷所需要的心電圖分類信息的需要。
總之，以上所述僅為本發(fā)明的較佳實施例，凡依本發(fā)明申請專利的范圍所作的均等變化與修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。