一种房颤检测方法、装置及设备与流程

本申请属于医疗设备领域，尤其涉及一种房颤检测方法、装置及设备。

背景技术：

心房颤动(简称房颤)是一种在人群中高发(发病率约为1～2％)的心律失常状况。它不仅对于患者的健康造成损害，更会增加中风、心肌梗死等多种疾病的风险，危及患者生命。房颤的发病率与年龄呈正相关，75岁以上人群发病率高达10％。伴随着我国的人口老龄化趋势，房颤的防治工作将是一项严峻的挑战。

目前房颤的检测主要依赖心电图的人工检查，其诊断精度有赖于医师的专业化水平而呈现较大的变化。心电图(尤其是长期监测心电图，例如24小时动态心电图)的人工检查需要消耗大量的人力，给医疗部门带来日益严重的负担。此外，随着移动互联网的发展，家用的心电监测设备日益普及，由此将带来人工检查所无法应对的海量数据。因此，心电信号自动分析与疾病检测技术成为当前社会的迫切需求。

目前房颤的自动检测方法包括基于心电信号波形的模式识别方法和基于rr间期的心律变异性分析方法，前者反映的是心房活动，后者反映的心房活动对心室活动的影响。基于心律变异性的方法具有较强抵御噪声干扰的能力，然而受其信息量的局限，其精度通常难以满足需求。

技术实现要素：

有鉴于此，本申请实施例提供了一种房颤检测方法、装置及设备，以解决现有技术中由于心律变异性的方法受其信息量的局限，其精度通常难以满足需求的问题。

本申请实施例的第一方面提供了一种房颤检测方法，所述房颤检测方法包括：

提取与rr间期相关的心跳波形；

对所述心跳波形进行连续小波变换，重构心跳波形的时频谱张量；

通过训练完成的深度卷积神经网络对心跳波形的时频谱系统结构进行特征学习和分类，得到所述心跳波形的检测结果。

结合第一方面，在第一方面的第一种可能实现方式中，所述提取与rr间期相关的心跳波形的步骤包括：

通过潘汤普金斯pan-tompkins算法检测心电信号中的r波波峰；

依据r波波峰位置，截取心跳波形列表。

结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述依据r波波峰位置，截取心跳波形列表的步骤中，对于第i次心跳，其波形的起始位置(si)和终止位置(ei)的计算公式如下：

ri表示该信号中检测到的第i个r波波峰的位置(采样点)，i的取值范围为2至n-1，n为检测到的r波波峰总数。

结合第一方面，在第一方面的第三种可能实现方式中，所述对所述心跳波形进行连续小波变换，重构心跳波形的时频谱张量的步骤包括：

利用连续小波变换公式获得每个心跳波形的二维时频谱，其中，a和b分别为尺度因子和平移因子，f(t)为输出的信号，ψ为小波基函数；

将获得的时频谱缩放至统一尺寸；

将连续多个心跳波形的时频谱按顺序叠加为一个三维张量，其三个维度依次为频率、时间和心跳序列。

结合第一方面，在第一方面的第四种可能实现方式中，在所述提取与rr间期相关的心跳波形的步骤之前，所述方法还包括：

利用移动平均数方法对信号进行平滑处理，去除心电信号中的基线漂移信号；

利用软阈值小波去噪方法去除心电信号中的噪声。

本申请实施例的第二方面提供了一种房颤检测装置，所述房颤检测装置包括：

心跳波形提取单元，用于提取与rr间期相关的心跳波形；

时频谱张量重构单元，用于对所述心跳波形进行连续小波变换，重构心跳波形的时频谱张量；

学习分类单元，用于通过训练完成的深度卷积神经网络对心跳波形的时频谱系统结构进行特征学习和分类，得到所述心跳波形的检测结果。

结合第二方面，在第二方面的第一种可能实现方式中，所述心跳波形提取单元包括：

波峰检测子单元，用于通过潘汤普金斯pan-tompkins算法检测心电信号中的r波波峰；

波形列表截取单元，用于依据r波波峰位置，截取心跳波形列表。

结合第二方面，在第二方面的第二种可能实现方式中，所述时频谱张量重构单元包括：

变换子单元，用于利用连续小波变换公式

获得每个心跳波形的二维时频谱，其中，a和b分别为尺度因子和平移因子，f(t)为输出的信号，ψ为小波基函数；

缩放子单元，用于将获得的时频谱缩放至统一尺寸；

叠加子单元，用于将连续多个心跳波形的时频谱按顺序叠加为一个三维张量，其三个维度依次为频率、时间和心跳序列。

本申请实施例的第三方面提供了一种房颤检测设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面任一项所述房颤检测方法的步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述房颤检测方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：本申请利用与相邻rr间期相关的心跳波形，使得截取的心跳波形不仅可以体现心电图的形态学特征，而且也反映了rr间期的变化规律，因而可以同时反映心房和心室活动的相关特性；采用连续小波变换对心跳波形处理，得到时频谱张量，相比于一维的心电信号能够更明显地体现信号特征；采用深度卷积神经网络对心跳波形时频谱张量进行特征学习和分类，避免了传统方法在特征提取时的工作量和片面性，对于新类型的训练样本具有更强的适应性，从而有助于提升分类精度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的房颤检测方法的实现流程示意图；

图2是本申请实施例提供的一种提取与rr间期相关的心跳波形示意图；

图3是本申请实施例提供的心跳波形与连续小波变换效果示意图；

图4是本申请实施例使用的深度神经网络结构示意图；

图5是本申请实施例提供的房颤检测装置的示意图；

图6是本申请实施例提供的房颤检测设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

如图1所示为本申请实施例所述的房颤检测方法的实现流程示意图，详述如下：

在步骤s101中，提取与rr间期相关的心跳波形；

具体的，所述提取与rr间期相关的心跳波形的步骤，可以包括：

1011，可以利用潘汤普金斯pan-tompkins算法检测信号中的r波波峰。如果信号头部存在显著高于正常r波波峰的巨大尖峰，则会导致后面的波峰无法被检测到。为解决该问题，可以将检测到的r波波峰数目与预定的某一阈值进行比较，如果大于或等于这一阈值，则表明检测成功；如果小于这一阈值，则表明受到了头部尖峰的干扰，那么将检测的起点向后推延一段距离并重复上述检测与判断，直到检测出的r波波峰数目达到阈值，或检测的起点推迟至信号末尾。

1012，依据r波波峰位置，截取心跳波形列表。对于一条信号中检测到第i次心跳，其波形起始位置(si)和终止位置(ei)的计算公式如下：

其中，ri表示该信号中检测到的第i个r波波峰的位置(采样点)，i的取值范围为2至n-1，n为检测到的r波波峰总数。

由此可知，心跳波形的范围由与其相邻的两个rr间期的数值确定。如果前一个rr间期小于后一个rr间期，则该心跳波形中r波波峰的位置将位于其前1/3的部分；反之，则r波波峰的位置将位于其后1/3的部分。如果两个rr间期的数值相等，则r波波峰位于心跳波形的第一个1/3分割点上。因此，该心跳波形截取方法可以反映信号中rr间期的变化信息。心跳波形截取效果如图2所示。

当然，作为本申请优选的一种实施方式中，在提取与rr间期相关的心跳波形的步骤之前，还可以包括对心电信号进行滤波的步骤，具体包括：

1001，利用移动平均数方法对信号进行平滑处理，去除心电信号中的基线漂移信号；

1002，利用软阈值小波去噪方法去除心电信号中的噪声。

其中，利用移动平均法去除心电信号中的基线漂移信号中，可以使用浮窗为0.5秒的移动平均数方法信号进行平滑处理。然后，用原始信号减去平滑处理后的信号得到去除基线漂移的信号。

可以利用软阈值小波去噪方法去除心电信号中的噪声，使用的小波基函数可以为sym8(序号为8的小波族小波)，分解的层数为5层。

通过去除心电信号中的基线漂移，并且使用小波去噪方法去除心电信号中的噪声，可以得到平滑的心电信号。

在步骤s102中，对所述心跳波形进行连续小波变换，重构心跳波形的时频谱张量；

具体的，可以利用连续小波变换公式获得每个小跳波形的二维时频谱，小波变换公式如下：

其中，a和b分别为尺度因子和平移因子，f(t)为输出的信号，ψ为小波基函数。二维时频谱相比于1维信号可能更好地反映信号特征。如图3所示的心跳波形与连续小波变换效果示意图。

为了缩小时频谱尺寸以减少模型训练过程的计算量和内存占用量，可以将获得的时频谱缩放至统一尺寸，例如64×64。

另外，还可以将连续的多个心跳波形的时频谱按照顺序叠加为一个三维张量，比如将连续5个心跳波形的时频谱按照顺序叠加为一个三维张量。其三个维度依次可以为频率、时间和心跳序列。将这样的张量作为后续分类器的输入，可以检测该张量对应时间区间内是否发生了房颤。

在步骤s103中，通过训练完成的深度卷积神经网络对心跳波形的时频谱系统结构进行特征学习和分类，得到所述心跳波形的检测结果。

具体的，本申请实施例所提供的深度神经网络，如图4所示，其可以包括由4层卷积神经网络构成的特征提取部分，以及2层全连接层构成的特征分类部分，网络结构可以如图4所示。每个卷积层可以各包含32个卷积核，前两个卷积层的卷积核大小可以为10×10，第三个卷积层的卷积核大小可以为8×8，第四个卷积层的卷积核大小可以为4×4；第2和第3卷积层之间，第4卷积层与第1全连接层之间均包含一个最大池化层(池化缩减倍数为2×2)和一个dropout层(丢弃率为0.2)；第1全连接层包含256个神经元，第二全连接层包含1个神经元。每个卷积层后的激活函数采用relu函数，第二全连接层的激活函数为sigmoid函数(s形生长曲线)。模型训练的目标函数为交叉熵函数，其公式如下：

其中，m为训练集中的样本数，x为样本的输入数据，y为样本标记，θ为模型参数。模型训练可以采用stochasticgradientdescent(随机梯度下降)优化方法，学习率可以为0.001，冲量可以为0.8，权值衰减(weightdecay)率可以为10^-6。该神经网络模型利用keras基于tensorflow(张量流)引擎进行实现和训练。

训练和测试数据可以来自于mit-bih房颤数据集。该数据集专门用于验证房颤检测算法的性能，包括25条大约10小时长的主要从房颤病人和正常人身上采集的心电数据，采样率为250hz。其中，“00735”和“03665”两条数据由于缺乏原始的心电图数据因而未被采用，“04936”和“05091”两条数据由于存在标注上的错误也未被采用。其余的每条心电记录均包含从两个导联上采集的数据，本发明的实现过程中仅使用了其中第一导联的数据。训练集与测试集中所使用的心电波形时频谱张量取自于不同的心电记录，以避免模型针对少数病例产生过拟合现象。该方法的性能通过其在测试集上进行房颤检测的敏感性(se)和特异性(sp)进行评价，计算公式如下：

其中，tp表示房颤正检样本数，tn表示非房颤正检样本数，fp表示房颤误检样本数，fn表示非房颤误检样本数。测试结果表明，本申请所述房颤检测方法的敏感性为99.41％，特异性为98.91％。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

图5为本申请实施例提供的一种房颤检测装置的结构示意图，详述如下：

所述房颤检测装置，包括：

心跳波形提取单元501，用于提取与rr间期相关的心跳波形；

时频谱张量重构单元502，用于对所述心跳波形进行连续小波变换，重构心跳波形的时频谱张量；

学习分类单元503，用于通过训练完成的深度卷积神经网络对心跳波形的时频谱系统结构进行特征学习和分类，得到所述心跳波形的检测结果。

优选的，所述心跳波形提取单元包括：

波峰检测子单元，用于通过潘汤普金斯pan-tompkins算法检测心电信号中的r波波峰；

波形列表截取单元，用于依据r波波峰位置，截取心跳波形列表。

优选的，所述时频谱张量重构单元包括：

变换子单元，用于利用连续小波变换公式

获得每个心跳波形的二维时频谱，其中，a和b分别为尺度因子和平移因子，f(t)为输出的信号，ψ为小波基函数；

缩放子单元，用于将获得的时频谱缩放至统一尺寸；

叠加子单元，用于将连续多个心跳波形的时频谱按顺序叠加为一个三维张量，其三个维度依次为频率、时间和心跳序列。

图5所述房颤检测装置，与图1所述房颤检测方法对应。

图6是本申请一实施例提供的房颤检测设备的示意图。如图6所示，该实施例的房颤检测设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如房颤检测程序。所述处理器60执行所述计算机程序62时实现上述各个房颤检测方法实施例中的步骤，例如图1所示的步骤101至103。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块501至503的功能。

示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述房颤检测设备6中的执行过程。例如，所述计算机程序62可以被分割成心跳波形提取单元、时频谱张量重构单元和学习分类单元，各单元具体功能如下：

心跳波形提取单元，用于提取与rr间期相关的心跳波形；

时频谱张量重构单元，用于对所述心跳波形进行连续小波变换，重构心跳波形的时频谱张量；

学习分类单元，用于通过训练完成的深度卷积神经网络对心跳波形的时频谱系统结构进行特征学习和分类，得到所述心跳波形的检测结果。

所述房颤检测设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述房颤检测设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是房颤检测设备6的示例，并不构成对房颤检测设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述房颤检测设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器60可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器61可以是所述房颤检测设备6的内部存储单元，例如房颤检测设备6的硬盘或内存。所述存储器61也可以是所述房颤检测设备6的外部存储设备，例如所述房颤检测设备6上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器61还可以既包括所述房颤检测设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述房颤检测设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。