科创中国

本发明公开了一种心电信号自动分类方法，其是按如下的步骤实现的：a）获取人体的心电信号，并进行滤波处理，检测滤波后的心电信号的R波；b）检测到R波以后，构建数据集，所述数据集由若干组心拍数据构成，每组所述心拍数据均带有一种标签；c）构建稀疏自动编码深度学习网络；d）分步训练所述稀疏自动编码深度学习网络；e）根据步骤d）所得的第一隐含层的网络权值、第二隐含层的网络权值和softmax分类器的网络权值，将待测心拍数据输入所述稀疏自动编码深度学习网络，得到分类输出的心拍数据。本发明将稀疏自动编码深度学习网络应用于心拍数据的分类，利用其自主学习能力和深层特征挖掘的特性，提取信号更深层次的特征，而对心拍数据进行分类。

本发明的目的是提供一种心电信号自动分类方法，以解决现有分类算法在对不同人体，不同环境下心电信号分类的不稳定问题。本发明的目的是这样实现的：本发明所提供的心电信号自动分类方法，包括以下步骤： a)获取人体的心电信号，并进行滤波处理，检测滤波后的心电信号的R波；b)检测到R波以后，构建数据集，所述数据集由若干组心拍数据构成，每组所述心拍数据均带有一种标签，所述标签总共有6种，分为正常心拍、左束支传导阻滞、右束支传导阻滞、室性早搏、房性早搏、融合性心跳： c)构建稀疏自动编码深度学习网络： d)分步训练所述稀疏自动编码深度学习网络： e)根据步骤d)所得的第一隐含层的网络权值、第二隐含层的网络权值和softmax分类器的网络权值，将待测心拍数据输入所述稀疏自动编码深度学习网络，得到心拍数据的分类输出

本发明在医学领域中具有广泛的应用前景，可以提高疾病诊断的准确性和效率，具体包括：

• 心电监护：心电信号自动分类方法可以实现对心电信号的实时监测和分析，自动识别区分正常和异常的心电信号，提供预诊断、评估和分类，及时捕获异常心电图，提供报警，从而实现及时的救治。
• 疾病诊断：心电信号自动分类方法可以帮助医生更准确地诊断心脏疾病，如心律失常、心肌梗塞等。通过对心电信号进行分析和分类，医生可以获得更多的诊断信息，从而制定更加准确的治疗方案。
• 健康监测：心电信号自动分类方法可以应用于健康监测领域，如智能手环、智能手表等。通过监测心电信号，可以及时发现用户的身体异常，提醒用户及时就医，提高健康监测的效果。

刘 秀 玲，博士 教授 博士生导师，主要从事自动化领域的智能建模方法与控制研究，近年来主要围绕复杂系统的建模与智能分析及其在心血管疾病诊疗中的应用开展工作。将人工智能方法引入到心血管系统的建模过程中，实现了人体模型中相关信号和影像的特征提取以及系统模型的建立和智能分析。

与现有技术相比，此技术产生的效益如下：

本发明将稀疏自动编码深度学习网络应用于心拍数据的分类，充分利用其自主学习能力和深层特征挖掘的特性，提取信号更深层次的特征，进而对心拍数据进行分类。本发明所构建的特定的稀疏自动编码深度学习网络，可以充分利用心电信号的大数据特性，挖掘心电信号的深层次特征，使其对于复杂环境下不同个体的心电信号分析具有了很好的稳定性，通过设计合理的网络结构和适当的网络训练方法，实现了复杂个体以及复杂环境下的心电信号的自动分类，解决了现有技术中在应对个体差异和复杂坏境下心电信号分类算法不稳定的问题，准确、稳定的实现了6类常见心律失常节拍的精确识别。

 另外，本发明对信号进行小波分解过程中选取特定的小波基函数及小波分解层数，同时在对信号进行阈值化处理过程中采用改进的阈值方法，使得滤波后的信号在滤除心电信号中夹杂的肌电干扰，基线漂移和工频干扰的同时，尽可能多的保留了有用的信息，改善了通用阈值过度平滑的现象。本发明通过进行小波重构，将QRS波群提取出来，而将P波、T波当作噪声剔除，有效避免了高大的P波、T波在检测中造成的误检，提高了检测的精度。本发明采用了能量窗变换方法，将信号变换到能量域去分析从而解决了时域分析中，信号易受高频噪声的影响，且在滤波中不能被全部滤除的问题。在能量窗变换中，本发明充分考虑了心电信号的时域特征及QRS波群的跨越时间，进行窗长的选择。实验结果证明只有窗长为26时，噪声的伪波峰产生的多检及低幅值的QRS波造成的漏检现象才能最有效的避免。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。