基于多导联和卷积神经网络的心律失常智能诊断方法

摘要

本发明的基于多导联和卷积神经网络的心律失常智能诊断方法，包括：a).选取数据样本；b).标注心律失常类型；c).截取导联的心跳信号；d).得到归一化的心跳集合；e).构建隐层和输出层；f).设定目标函数；g).样本训练；h).心律失常分类的应用。本发明的心律失常智能诊断方法，利用多导联心电图数据训练CNN能够提高网络的学效率和心律失常自动诊断的精度，实现了使用有心律失常类型标注多导联心电图数据训练CNN的通用框架和具体方法，可准确判断出待诊断心电信号的心律失常类型，可作为确诊结果或供医生参考。

主权项

一种基于多导联和卷积神经网络的心律失常智能诊断方法，其特征在于，设x为正常人的一个心跳周期内的多个导联心电图信号序列，则x可以表示为：S_lead＝[s₁，s₂，…s_i，...s_n]，其中S_lead表示导联为lead的信号序列，s_i为一个心电信号值；假设任意一个心跳x有唯一对应的心律类型，要么为正常心律或者为异常心律，设为y，则y与x之间存在函数关系Γ，即y＝Γ(x)；利用心电图数据训练CNN，得到一个逼近Γ(x)的函数关系f′(x；θ)，其中θ表示CNN的参数；对于待诊断的心电图数据，利用获取的函数关系f′(x；θ)实现心律失常的智能诊断，以作为诊断结果或供医生参考。