本发明专利技术提供一种穿戴式心律失常检测装置，包括心电信号采集单元、呼吸信号采集单元、控制器和PC机，其特征在于，所述控制器对所述心电信号采集单元和所述呼吸信号采集单元进行控制，所述PC机对心电信号和呼吸信号进行处理，以实现对受试者心律失常的自动检测。本发明专利技术提出的一种穿戴式心律失常检测装置，利用穿戴式心电监测装置可以实时检测受试者的心电变化，并有效利用采集的心电信号，进行特征提取，最后利用深度神经网络对心律失常进行分类，从而实现穿戴式心律失常检测的目的。从而实现穿戴式心律失常检测的目的。从而实现穿戴式心律失常检测的目的。
【技术实现步骤摘要】
一种穿戴式心律失常检测装置
[0001]本专利技术涉及医疗设备的
，特别是一种穿戴式心律失常检测装置。
技术介绍
[0002]随着科技的发展和人们生活水平的提高，人们对于身体健康情况的关注程度也在显著提升，有越来越多的人希望可以了解自身的身体状况，以便于发现问题及时就医。其中，心脏是人体至关重要的器官，然而，由于疫情的影响，去医院测量心电的手续较为繁琐，因此有关于心脏病的自动检测也受到了广泛的关注，心电传感器和计算机在心脏病的检测和诊断中起到了至关重要的作用。
[0003]心律失常是指由于窦房结激动异常或激动产生于窦房结以外，激动的传导缓慢、阻滞或经异常通道传导，即心脏活动的起源和(或)传导障碍导致心脏搏动的频率和(或)节律异常。遗传性心律失常多为基因通道突变所致；后天获得性心律失常可见于各种器质性心脏病，尤其在发生心力衰竭或急性心肌梗死时。因此，对心律失常的检测显得尤为重要，可以有效检测和预警各种心脏疾病。
[0004]目前已知的检测心率失常的装置，多为医院等利用的大型心电信号检测装置，测试过程中要求受试者躺在诊疗床上，对测试环境和受试者状态都有较高要求，且针对心律失常的判断要依靠医生的专业知识和经验，无法实现便携式和自动化测试。
[0005]申请公开号为CN108937912A的专利技术专利申请公开了一种基于深度神经网络的自动心律市场分析方法，包括：三种采样方式生成多通道心电图样本；所得的600维心电信号沿第二个维度拼接，心电信号由600*1维扩增为600*3维，输入多个依次串联的卷积层单元和LSTM层单元，卷积层单元和LSTM层单元间有attention层；卷积层单元包括一个使用一维卷积的卷积层以及该卷积层输出端依次串联的一激励单元操作和一池化层操作；所述卷积层，用于提取一维心电信号的特征；LSTM层单元的输出串联一个激励单元为softmax的全连接层；输出；学习深度神经网络的参数，对样本进行自动识别。该方法的缺点是所需处理样本的数据量较大，且对于心电信号的特征提取方法较为繁琐，耗时相对较长，影响系统心律失常检测的效率。
技术实现思路
[0006]为了解决上述的技术问题，本专利技术提出的一种穿戴式心律失常检测装置，利用穿戴式心电监测装置可以实时检测受试者的心电变化，并有效利用采集的心电信号，进行特征提取，最后利用深度神经网络对心律失常进行分类，从而实现穿戴式心律失常检测的目的。
[0007]本专利技术的第一目的是提供一种穿戴式心律失常检测装置，包括心电信号采集单元、呼吸信号采集单元、控制器和PC机，所述控制器对所述心电信号采集单元和所述呼吸信号采集单元进行控制，所述PC机对心电信号和呼吸信号进行处理，以实现对受试者心律失常的自动检测。
[0008]优选的是，所述心电信号采集单元的输入端连接至三导联心电电极，所述呼吸信号采集单元的输入端为心电信号正负电极之间的阻抗，所述心电信号采集单元和所述呼吸信号采集单元的输出端连接到所述控制器的输入端。
[0009]在上述任一方案中优选的是，所述控制器用于控制心电和呼吸信号的采集，以及数据的传输通信。
[0010]在上述任一方案中优选的是，所述装置还包括无线通信单元，所述无线通信单元为蓝牙模块，所述无线通信单元的发射端连接至所述控制器，所述无线通信单元的接收端连接至所述PC机，并在所述PC机上显示受试者的心电和呼吸波形。
[0011]在上述任一方案中优选的是，所述PC机用于受试者心电和呼吸波形的显示、数据处理和利用深度神经网络实现心律失常的自动分类。
[0012]在上述任一方案中优选的是，所述数据处理利用巴特沃斯滤波器对心电信号和呼吸信号进行滤波处理。
[0013]在上述任一方案中优选的是，所述利用深度神经网络实现心律失常的自动分类是指同时采用前向反馈神经网络FFNN和卷积神经网络CNN两种模型实现心律失常的自动分类。
[0014]在上述任一方案中优选的是，所述FFNN共包含五层，为输入层、隐藏层1、隐藏层2、隐藏层3和输出层，层与层之间采用全连接，输出层采用softmax激活函数，其他层采用ReLU激活函数。
[0015]在上述任一方案中优选的是，所述FFNN的层与层之间采用全连接，第n
‑
1层到第n层的前向计算公式为
[0016]X
(n)
＝f
(n)
(W
(n)
X
(n
‑
1)
+B
(n)
)
[0017]输出层采用softmax激活函数，其表达式为
[0018][0019]其他层采用ReLU激活函数，其表达式为
[0020]f(x)＝max(0,x)
[0021]其中，W为层与层之间的线性关系，f
(n)
为第n
‑
1层到第n层的函数关系，X
(n
‑
1)
为第n
‑
1层的输出信号，B为偏倚，x
i
为输出层第i层的输入信号，j指在n个神经元中遍历。
[0022]在上述任一方案中优选的是，所述FFNN的输入为200ms的心电片段，输出为检测的R波位置信息，用于实现心电信号R波位置的检测，进而利用重采样计算得到心律失常自动分类的特征值RR，公式为
[0023]RR＝Resample(ECGs[qrs
m
‑2:qrs
m
],360)
[0024]其中，ECGs表示心电缓冲区，qrs
m
‑2表示当前R波点的前一个R波点位置，qrs
m
表示当前R波点的后一个R波点的位置。
[0025]在上述任一方案中优选的是，所述CNN用于提取心电信号特征RR后对心律失常实现训练和测试，通过每一个卷积层和池化层串联的方式实现特征值RR的特征变换，为度量训练样本计算出的输出和真实训练样本输出之间的损失。
[0026]在上述任一方案中优选的是，所述CNN的每一个卷积层单元的输出端都串联一池
化层操作，损失函数选择交叉熵函数。
[0027]在上述任一方案中优选的是，所述CNN的输出层维度为1*13，主要包含心律失常的13种分类，分别是正常心搏N、左束支传导阻滞L、右束支传导阻滞R、(结性)交界性逸搏j、房性逸搏e、房性早搏A、异变的房性早搏a、结性(交界性)早搏J、室上性早搏或异位搏动S、室性早搏V、室性逸搏E、心室融合心搏F和无法分类的心搏Q。
[0028]在上述任一方案中优选的是，所述三导联心电电极与穿戴绑带之间可拆卸，且绑带与控制器之间亦可拆卸。
[0029]本专利技术提供了一种穿戴式心律失常检测装置，实时检测受试者的心电和呼吸信号，监测受试者生理指标，显示受试者的心电和呼吸波形，并实现心律失常的自动分类。
附图说明
[0030]图1为按照本专利技术的穿戴式心律失常检测装置的一优选实施例的模块图。
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种穿戴式心律失常检测装置，包括心电信号采集单元、呼吸信号采集单元、控制器和PC机，其特征在于，所述控制器对所述心电信号采集单元和所述呼吸信号采集单元进行控制，所述PC机对心电信号和呼吸信号进行处理，以实现对受试者心律失常的自动检测。2.如权利要求1所述的穿戴式心律失常检测装置，其特征在于，所述心电信号采集单元的输入端连接至三导联心电电极，所述呼吸信号采集单元的输入端为心电信号正负电极之间的阻抗，所述心电信号采集单元和所述呼吸信号采集单元的输出端连接到所述控制器的输入端。3.如权利要求2所述的穿戴式心律失常检测装置，其特征在于，所述装置还包括无线通信单元，所述无线通信单元为蓝牙模块，所述无线通信单元的发射端连接至所述控制器，所述无线通信单元的接收端连接至所述PC机，并在所述PC机上显示受试者的心电和呼吸波形。4.如权利要求3所述的穿戴式心律失常检测装置，其特征在于，所述PC机用于受试者心电和呼吸波形的显示、数据处理和利用深度神经网络实现心律失常的自动分类。5.如权利要求2所述的穿戴式心律失常检测装置，其特征在于，所述利用深度神经网络实现心律失常的自动分类是指同时采用前向反馈神经网络FFNN和卷积神经网络CNN两种模型实现心律失常的自动分类。6.如权利要求1所述的穿戴式心律失常检测装置，其特征在于，所述FFNN共包含五层，为输入层、隐藏层1、隐藏层2、隐藏层3和输出层，层与层之间采用全连接，输出层采用softmax激活函数，其他层采用ReLU激活函数。7.如权利要求1所述的穿戴式心律失常检测装置，其特征在于，所述FFNN的层与层之间采用全连接，第n
‑
1层到第n层的前向计算公式为X
(n)
＝f
(n)
(W
(n)
X
(n
‑
1)
+...
【专利技术属性】
技术研发人员：刘光达，孙玉冰，蔡靖，胡新蕾，周子健，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。