房颤起止的检测方法、装置、设备和存储介质制造方法及图纸

本公开提供了一种房颤起止的检测方法、装置、设备和存储介质，检测系统首先采集用户的初始心电信号，然后对初始心电信号进行预处理，得到预处理心电信号。检测系统利用通道间的相似信息对预处理心电信号进行房颤识别，得到各个导联心电信号对应的房颤检测结果。再对各个房颤检测结果进行标签平滑，得到各个房颤检测结果各自对应的编码向量。检测系统对各个心拍位置对应的编码向量做差值运算，根据差值运算的运算结果得到初始心电信号的房颤起止结果。本公开利用通道间的相似信息对各个导联心电信号进行房颤识别，具有更高的鲁棒性；在得到各个心拍位置的编码向量后，通过简单的差值运算，快速得到初始心电信号的房颤起止结果，方便快捷。方便快捷。方便快捷。

【技术实现步骤摘要】
房颤起止的检测方法、装置、设备和存储介质


[0001]本公开涉及心电监测
，特别涉及一种房颤起止的检测方法、装置、设备和存储介质。

技术介绍

[0002]心房颤动(Atrial fibrillation，AF)简称房颤，是临床最常见的一种心律失常疾病，其特点是紊乱的心房活动和随之而来的脑卒、心肌梗死等并发症，导致较高的致残率和死亡率，严重危害着人类的健康和生命。目前，房颤的研究集中在房颤分类上面，少有检测房颤发作起止点。然而在实际应用中，尤其是holter(动态心电图)和长时间心电监测过程中，房颤发作的起止点和房颤发作时间的统计尤为重要。

技术实现思路

[0003]本公开目的在于：提供了一种房颤起止的检测方法、装置、设备和存储介质，其能够有效快速检测出房颤的起点位置和结束位置，具有重大的实际应用意义。
[0004]为达上述目的，本公开采用以下技术方案：一种房颤起止的检测方法，包括：
[0005]采集初始心电信号；
[0006]对所述初始心电信号进行预处理，得到预处理心电信号，所述预处理心电信号包括多个导联心电信号；
[0007]利用通道间的相似信息对所述预处理心电信号进行房颤识别，得到各所述导联心电信号对应的房颤检测结果；
[0008]对各所述房颤检测结果进行标签平滑，得到各所述房颤检测结果各自对应的编码向量；
[0009]对各个心拍位置对应的所述编码向量做差值运算，根据所述差值运算的运算结果得到所述初始心电信号的房颤起止结果。
[0010]本公开还提供了一种房颤起止的检测装置，包括：
[0011]采集模块，用于采集初始心电信号；
[0012]预处理模块，用于对所述初始心电信号进行预处理，得到预处理心电信号，所述预处理心电信号包括多个导联心电信号；
[0013]识别模块，用于利用通道间的相似信息对所述预处理心电信号进行房颤识别，得到各所述导联心电信号对应的房颤检测结果；
[0014]平滑模块，用于对各所述房颤检测结果进行标签平滑，得到各所述房颤检测结果各自对应的编码向量；
[0015]运算模块，用于对各个心拍位置对应的所述编码向量做差值运算，根据所述差值运算的运算结果得到所述初始心电信号的房颤起止结果。
[0016]本公开还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
[0017]本公开还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
[0018]本公开中提供的一种房颤起止的检测方法、装置、设备和存储介质，检测系统首先采集用户的初始心电信号，然后对初始心电信号进行预处理，得到预处理心电信号，其中，预处理心电信号包括多个导联心电信号。接着，检测系统利用通道间的相似信息对预处理心电信号进行房颤识别，得到各个导联心电信号对应的房颤检测结果。再对各个房颤检测结果进行标签平滑，得到各个房颤检测结果各自对应的编码向量。检测系统对各个心拍位置对应的编码向量做差值运算，根据差值运算的运算结果得到初始心电信号的房颤起止结果。本公开利用通道间的相似信息对各个导联心电信号进行房颤识别，具有更高的鲁棒性；在得到各个心拍位置对应的编码向量后，通过做简单的差值运算，即可快速得到初始心电信号的房颤起止结果，满足实时性和便携性的要求，适合大规模推广应用。
附图说明
[0019]图1是本公开一实施例中房颤起止的检测方法的步骤示意图；
[0020]图2是本公开一实施例中ECG神经网络的网络结构图；
[0021]图3是本公开一实施例中第一block的网络结构图；
[0022]图4是本公开一实施例中第二block的网络结构图；
[0023]图5是本公开一实施例中第三block的网络结构图；
[0024]图6是本公开一实施例中房颤起止的检测装置的整体结构框图；
[0025]图7是本公开一实施例的计算机设备的结构示意框图。
[0026]本公开目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0027]为了使本公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本公开，并不用于限定本公开。
[0028]参照图1，本公开一实施例中提供了一种房颤起止的检测方法，包括：
[0029]S1:采集初始心电信号；
[0030]S2:对所述初始心电信号进行预处理，得到预处理心电信号，所述预处理心电信号包括多个导联心电信号；
[0031]S3:利用通道间的相似信息对所述预处理心电信号进行房颤识别，得到各所述导联心电信号对应的房颤检测结果；
[0032]S4:对各所述房颤检测结果进行标签平滑，得到各所述房颤检测结果各自对应的编码向量；
[0033]S5:对各个心拍位置对应的所述编码向量做差值运算，根据所述差值运算的运算结果得到所述初始心电信号的房颤起止结果。
[0034]本实施例中，检测系统通过心电导联和传感器采集得到用户的初始心电信号，然后使用FIR带通滤波器对初始心电信号进行去噪，得到第一心电信号。接着，检测系统将第一心电信号重采样为250hz，得到第二心电信号。检测系统按照预设时间长度对第二心电信
号进行分割处理，得到多个心电信号片段。最后，对各个心电信号片段进行z
‑
score归一化，完成对初始心电信号的整个预处理流程，得到预处理心电信号。其中，预处理心电信号包括多个导联心电信号，单个导联心电信号即对应单个时长为10s的心电信号片段。检测系统将预处理心电信号输入预先搭建的ECG(electrocardiogram，心电图) 神经网络，通过ECG神经网络利用通道间的相似信息对预处理心电信号进行房颤识别，从而得到各个导联心电信号各自对应的房颤检测结果。具体地， ECG神经网络首先对各个导联心电信号进行粗粒度局部信息提取，得到各个导联心电信号各自对应的大尺度局部特征。然后对各个大尺度局部特征进行中粒度局部信息提取，得到各个导联心电信号各自对应的中尺度局部特征。 ECG神经网络对各个中尺度局部特征进行细粒度局部信息提取，得到各个导联心电信号各自对应的细尺度局部特征。并将各个细尺度局部特征进行通道融合，得到融合局部特征。接着，ECG神经网络对融合局部特征进行深度挖掘，得到深度特征。最后将深度特征依次经过平均池化、concat和sigmoid操作后，得到各个导联心电信号分别对应的房颤检测结果。检测系统利用LSTM (Long Short
‑
Term Memory，长短期记忆网络)对各个房颤检测结果进行标签平滑，将不连续的房颤检测结果变得连续且平滑，比如房颤检测结果为： 0101010100001，经过标签平滑后为：000000000000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种房颤起止的检测方法，其特征在于，包括：采集初始心电信号；对所述初始心电信号进行预处理，得到预处理心电信号，所述预处理心电信号包括多个导联心电信号；利用通道间的相似信息对所述预处理心电信号进行房颤识别，得到各所述导联心电信号对应的房颤检测结果；对各所述房颤检测结果进行标签平滑，得到各所述房颤检测结果各自对应的编码向量；对各个心拍位置对应的所述编码向量做差值运算，根据所述差值运算的运算结果得到所述初始心电信号的房颤起止结果。2.根据权利要求1所述的房颤起止的检测方法，其特征在于，所述对所述初始心电信号进行预处理，得到预处理心电信号的步骤，包括：使用FIR带通滤波器对所述初始心电信号进行去噪，得到第一心电信号；将所述第一心电信号重采样为250hz，得到第二心电信号；按照预设时间长度对所述第二心电信号进行分割处理，得到多个心电信号片段；对各所述心电信号片段进行z
‑
score归一化，得到所述预处理心电信号。3.根据权利要求1所述的房颤起止的检测方法，其特征在于，所述利用通道间的相似信息对所述预处理心电信号进行房颤识别，得到各所述导联心电信号对应的房颤检测结果的步骤，包括：对各所述导联心电信号进行粗粒度局部信息提取，得到各所述导联心电信号各自对应的大尺度局部特征；对各所述大尺度局部特征进行中粒度局部信息提取，得到各所述导联心电信号各自对应的中尺度局部特征；对各所述中尺度局部特征进行细粒度局部信息提取，得到各所述导联心电信号各自对应的细尺度局部特征；将各所述细尺度局部特征进行通道融合，得到融合局部特征；对所述融合局部特征进行深度挖掘，得到深度特征；将所述深度特征依次经过平均池化、concat和sigmoid操作后，得到各所述导联心电信号分别对应的所述房颤检测结果。4.根据权利要求3所述的房颤起止的检测方法，其特征在于，所述对各所述大尺度局部特征进行中粒度局部信息提取，得到各所述导联心电信号各自对应的中尺度局部特征的步骤，包括：将各所述大尺度局部特征输入第一block进行中粒度局部信息提取，得到各所述中尺度局部特征；其中，所述第一block包括Batch Normalization层、ReLU层、卷积层和Squeeze
‑
and
‑
Excitation层，所述Batch Normalization层、所述ReLU层、所述卷积层和所述Squeeze
‑
and
‑
Excitation层依次连接。5.根据权利要求3所述的房颤起止的检测方法，其特征在于，所述对各所述中尺度局部特征进行细粒度局部信息提取，得到各所述导联心电信号各自对应的细尺度局部特征的步
骤，包括：将各所述中尺度局部特征输入第二block进行细粒度局部信息提取，得到各所述细尺度局部特征；其中，所述第二block包括预设数量个第一block模块和Squeeze
‑
and
‑
Excitation层，各所述第一block模块相互堆叠；单个所述第一block模块包括Batch Normalization层、ReLU层和卷积层，所述Batch Normalization层、所述ReLU层和所述卷积层依次连接。6.根据权利要求3所述的房颤起止的检测方法，其特征在于，所述对所述融合局部特征进行深度挖掘，得到深度特征的步骤，包括：将所述融合局部特征输入第三bl...

【专利技术属性】
技术研发人员：胡静，赵巍，
申请(专利权)人：广州视源人工智能创新研究院有限公司，
类型：发明
国别省市：