一种基于深度学习算法的心电图分类方法与流程

技术特征：

1.一种基于深度学习算法的心电图分类方法，其特征在于包括以下步骤：

a.取得测量时间在8秒以上的原始心电图波形数据、心电图附加信息，并根据原始心电图波形数据进行心电图节律信息的提取、代表PQRST波形的提取，获取心电图节律信息、代表PQRST波形数据；

b.对深度学习算法的神经网络进行训练，将步骤a得到的心电图节律信息、代表PQRST波形数据、心电图附加信息排列成一维数据后通过训练完的深度学习算法进行波形分类，得到心电图分类结果。

2.根据权利要求1所述的一种基于深度学习算法的心电图分类方法，其特征在于：所述的步骤a中，取得测量时间在8秒以上的原始心电图波形数据后，对原始心电图波形数据进行去噪处理。

3.根据权利要求2所述的一种基于深度学习算法的心电图分类方法，其特征在于：所述的去噪处理包括以下步骤：

a11.采用高通滤波器去除基线漂移噪音；

a12.基于PQ段信号的标准方差和阈值法确认噪音是否过高；

a13.噪音过高时使用低通巴特沃斯滤波器去除噪音干扰。

4.根据权利要求1所述的一种基于深度学习算法的心电图分类方法，其特征在于：所述的步骤a中，所述的心电图节律信息包括平均心室心率、平均RR间隔、最长RR间隔和最短RR间隔之差、RR间隔的标准方差、一致性P波信息、窦房律下各心拍的PR间隔和平均值、R波中预激波检测结果、窦房律下各心拍的QT间期和QTc间期和平均值、窦房律QRS平均波宽、窦房律P波宽和平均波宽、期外收缩信息、期外收缩类型、期外收缩形态、心房扑动的F波和心房颤动的f波的检测结果、非同期P波的检测结果。

5.根据权利要求1所述的一种基于深度学习算法的心电图分类方法，其特征在于：所述的步骤a中，代表PQRST波形的提取包括以下步骤：

a21.通过一阶微分法和阈值法，对原始心电图波形数据进行检测，获取P波、QRS波、T波的特征点；

a22.对原始心电图波形数据中的所有PQRST波进行聚类分类，根据分类结果将拥有PQRST波数目最多的类型作为代表PQRST波形，若数目最多的类型为2个以上，选取R波平均振幅最大的类型作为代表PQRST波形，最后使用叠加平均法计算各个心拍的PQRST波的平均波形作为代表PQRST波形。

6.根据权利要求1所述的一种基于深度学习算法的心电图分类方法，其特征在于：所述的步骤a中，所述的心电图附加信息包括性别、身高、胸围、体重、脂肪率、人种。

7.根据权利要求1所述的一种基于深度学习算法的心电图分类方法，其特征在于：所述的原始心电图波形数据为单导联数据。

8.根据权利要求1所述的一种基于深度学习算法的心电图分类方法，其特征在于：所述的步骤a中的原始心电图波形数据为多导联数据，所述的心电图节律信息由各个导联的心电图节律信息串联成一维数据形成，所述的代表PQRST波形数据由各个导联的代表PQRST波形数据串联成一维数据形成。

9.根据权利要求1至8中任一权利要求所述的一种基于深度学习算法的心电图分类方法，其特征在于：所述的步骤b中，所述的深度学习算法为卷积神经网络或迭代神经网络或深度神经网络。