一种心电信号质量标注方法及装置与流程

本发明涉及心电信号标注技术领域，具体涉及一种心电信号质量标注方法、装置以及计算机存储介质。

背景技术：

传统算法在对心电信号的信号质量进行判断时，一般通过信号在固定时间长度(4s或10s)或固定心搏周期(4-10个周期)内的信号时域特征和频域特征进行信号质量判断。

人工智能算法中的深度学习方法进行心电信号质量判断时，首先需要对信号的质量进行标注，给出待训练的心电信号的质量标签信息。而标注系统在图像领域比较普遍，应用较广泛的方式是通过人操作pc机键盘和鼠标进行标注，比如：标明图片中某一类动物的类别、位置、所在状态等，通过鼠标勾选出目标物的具体位置，指标其所属种类、运动状态达到标注样本的目的。这种标注方法，由于需要人工逐一通过鼠标对训练的样本数据标注，其标注速度很慢，标注效率不高。

技术实现要素：

本发明的目的在于克服上述技术不足，提供一种心电信号质量识别方法、装置以及计算机存储介质，解决现有技术中心电信号质量标注效率低的技术问题。

为达到上述技术目的，本发明的技术方案提供一种心电信号质量标注方法，包括以下步骤：

获取用户对待标注的心电信号段进行判断后输入的质量判断信号，对所述质量判断信号进行识别，得到心电信号段的质量类别；

根据所述质量类别为心电信号段打上相应的质量标签，记录心电信号段以及相应的质量标签；

判断已标注的心电信号段的数量是否达到设定数量，如果达到，则以心电信号段作为输入，以相应的质量标签作为输出，对神经网络进行训练，得到自动标注模型；

根据所述自动标注模型对下一个待标注的心电信号段进行标注提示。本发明还提供一种心电信号质量识别方法，包括以下步骤：

采集心电样本信号，采用所述心电信号质量标注方法对所述心电样本信号进行质量标签标注；

以心电样本信号作为输入，以质量标签作为输出，对神经网络进行训练，得到质量识别模型；

根据所述质量识别模型对待识别信号进行质量识别。

本发明还提供一种心电信号质量标注装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述心电信号质量标注方法。

本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现所述心电信号质量标注方法。

与现有技术相比，本发明的有益效果包括：本发明采用边标注边训练的方法对心电信号段进行标注，在标注了一定数量的心电信号段后，进行自动标注模型的训练，训练得到的心电标注模型用于对后续待标注的心电信号段进行自动标注，用户根据自动标注模型的标注结果对自身标注情况进行验证，从而避免因精力等原因造成的误标，提高标注的准确度，同时自动标注模型的标注结果能够给予用户一定的提示，减轻用户的标注工作量，用户可以通过验证自动标注结果的方式进行标注，更为省时省力，标注效率也更高。

附图说明

图1是本发明提供的心电信号质量标注方法一实施方式的流程图；

图2是本发明提供的待标注的心电信号图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

如图1所示，本发明的实施例1提供了心电信号质量标注方法，包括以下步骤：

s1、获取用户对待标注的心电信号段进行判断后输入的质量判断信号，对所述质量判断信号进行识别，得到心电信号段的质量类别；

s2、根据所述质量类别为心电信号段打上相应的质量标签，记录心电信号段以及相应的质量标签；

s3、判断已标注的心电信号段的数量是否达到设定数量，如果达到，则以心电信号段作为输入，以相应的质量标签作为输出，对神经网络进行训练，得到自动标注模型；

s4、根据所述自动标注模型对下一个待标注的心电信号段进行标注提示。

本实施例中，在对心电信号段进行标注的通常，利用前一时间段内标注的设定数量的心电信号段对神经网络进行训练，得到可以对心电信号段进行自动标注的自动标注模型。自动标注模型用于辅助用户进行标注工作，降低用户的标注难度，提高标注效率和标注精力。具体的，用户可以根据自动标注模型的标注结果对自己标注的结果进行判断，从而防止因精力等原因造成的误判；用户还可以将自动标注模型的标注结果作为参考提示，将标注工作转换为对自动标注结果的判断工作，自动标注模型具有一定的准确率，因此判断工作相对于标注工作而言，更加的省时省力，从而提高标注的效率。

优选的，对所述质量判断信号进行识别，得到待标注心电信号的质量类别，具体为：

建立质量判断信号与质量类别之间的映射关系；

根据所述映射关系识别所述质量判断信号对应的质量类别。

优选的，所述质量判断信号为语音信号、触屏滑动信号、触屏点击信号中任意一种。

本实施例在对心电信号进行标注时，提供不同形式的输入信号，用户可根据自身需求进行自由选择。例如，对图2中心电图进行标注时，可以选择语音输入或触屏输入方式。

选择语音输入方式时，首先建立不同语音信号与质量类别之间的映射关系：

语音信号“正常”：信号质量优秀；

语音信号“波形粗”：高频噪声或工频噪声；

语音信号“基线不稳”：含有基线漂移噪声；

语音信号“质量差”：含导联脱落、信号信噪比极低情况；

标注人员看到图2中显示的心电信号图后，直接说出对应的语音，系统接收到语音指令后将其转换数字信号，并将该数字信号输入语音识别系统，语音识别系统识别出语音信号后，根据映射关系找到相对应的质量类别的质量标签label与该条心电信号段进行“绑定”，也即：该条心电信号段为traindata,标注为label。

选择触屏输入方式时，同样需要建立不同触屏信号与质量类别之间的映射关系，本实施例提供了两种映射关系供选择：

1)通过点击屏幕的方向确定该心电信号段质量分类，具体为：

点击屏幕后向右滑动：信号质量优秀；

点击屏幕后向左滑动：信号质量一般，含有高频或工频噪声；

点击屏幕后向上滑动：信号质量一般，含有基线漂移噪声；

点击屏幕后向下滑动：信号质量差，含导联脱落、信号信噪比极低情况等。

2)过点击屏幕的方式确定心电信号质量分类的方式还可以替换为：

点击屏幕1下：信号质量优秀；

点击屏幕2下：信号质量一般--含有高频或工频噪声；

点击屏幕3下：信号质量一般--含有基线漂移噪声；

点击屏幕4下：信号质量差--含导联脱落、信号信噪比极低情况等。

标注人员看到图2中显示的心电信号图后，直接对触屏进行相应操作，通过手指或触点装置对心电信号进行实时标注，对于属于不同质量类别的心电信号段按照上述方法进行标注。其中：在标注时，触点装置点击屏幕后，会开始做动作--如：向右/向左等，系统接收到触屏信号后，即可根据映射关系识别出对应的质量类别，以及对应的质量标签。

而且，触屏输入与语音输入优选同时进行，触屏输入也可作为语音输入的补充，当标注人员周边环境嘈杂，或输入的语音无法被准确识别时，触屏输入是为不错的选择。

语音和触屏标注能够极大的减小标注人员的工作量，同时自动标注模型的建立能够防止标注错误，具有极大的应用价值。

优选的，根据所述质量类别为待标注心电信号打上相应的质量标签，还包括：

根据所述质量类别为待标注心电信号的所有导联信号打上同样的质量标签。

大部分情况下，同一时间段内的心电信号段各个导联的信号质量相关，只需标定某一导联时间段内的信号质量，其他导联的与之相同时间段的信号默认与之相同，从而提高标注速度。

当某一导联的质量类别与其他导联数据质量不一致时，通过触点装置点击对应的导联号：如i、ii、iii等，然后在该对应的导联中对数据段的信号质量进行标注。

优选的，记录心电信号段以及相应的质量标签，具体为：

记录心电信号段的起始位置，将心电信号段的起始位置与相应的质量标签进行关联记录。

对标注完成的心电信号段，实时保存该心电信号段的起始位置，以及该心电信号段所属的信号质量类型。而每一心电信号段的长度设为一致，本实施例中心电信号段的信号长度为4s，这是由于4s的数据能够比较准确的呈现信号质量状态，从信号判断功能的实时性与计算复杂度考虑，4s的数据长度较为合适。起始位置和信号长度已知，则通过起始位置往后4s内的信号为一个单位的心电信号段[该数据段内数据长度为4s，数据采样率为1000hz时，包含4000个采样点]。

同一条心电信号中，指定两段相邻的心电信号段的时间间隔不小于设定值，例如1s。一般情况下，一条心电信号为10s，待标注的心电信号段的信号长度设为4s，在数据采样率为1000hz情况，按照单步长为1ms进行平滑标注，理论上该条心电信号可以被标注出600个质量标签。为了避免如此冗余的数据标注，将两段相邻待标注心电信号段的间隔长度设置为不小于1s，这样在10s的心电数据样本中，最多被标注6段心电信号，符合工程需求和后序数据训练的需求。

具体的，所述神经网络为resnet网络。

通过语音标注或触屏标注的方式对一部分的心电信号段进行标注后，就可以先通过这部分已经标注完成的心电信号段进行训练，首先，心电信号段train的质量标签label和对应的心电信号段train送入智能系统进行训练，train数据格式为12*5000(12导联数据，采样率500hz，数据长度为10s)，label数据格式为0、1、2、3，其中：

0--正常

1--高频噪声或工频噪声

2--基线漂移噪声

3--信号质量差--含导联脱落、信号信噪比极低情况等。

在标注系统中训练智能识别信号质量系统时候，不用对当前心电数据的标注结果进行判断，当智能识别信号质量系统训练完第一版后，才对当前心电数据的标注结果进行判断反馈，当然，反馈后由标注人员进行确认，以确认后的结果为准。

以传统的32层resnet网络来进行训练，输入大小为12*5000；输出为0—5。在心电信号段输入网络前不用经过预处理，不对心电信号进行预处理，是为了保持后续训练好网络后，数据的一致性，如：某条具有基线漂移特征的心电信号，经过低频衰减比较强的滤波器进行预处理后，基线漂移消除，此时该心电信号不具备基线漂移特征了，但是与该条心电信号段对于的质量标签数据依然是基线漂移，即质量标签为3，从而不能得到正确的训练的，整条心电信号段输入网络后，由网络自动提取其相关特征，只需将每条心电信号段对应的质量标签输入给网络即可。通过不断的反馈与修正，使得自动标注系统更加准，也能极大的避免标注人员由于精力等原因产生的误标。

优选的，根据所述自动标注模型对下一个待标注的心电信号段进行标注提示，具体为：

根据所述自动标注模型对下一个待标注的心电信号段进行标注得到自动标注结果；

将所述自动标注结果与人工标注结果进行对比，如果两者不一致，则发出提示信号；

判断用户最终输入标注结果是自动标注结果还是人工标注结果，如果是人工标注结果，则利用所述心电信号段以及人工标注结果对所述自动标注模型进行再次训练。

利用自动标注模型实现标注提示功能。同时，如果用户确认后最终输入的标注结果是自动标注结果，则说明，人工标注结果出现误判，此时以自动标注结果为准即可，如果用户确认后最终输入的标注结果是人工标注结果，则说明，自动标注模型的判断出错，那么就利用判断出错的心电信号段以及对应的人工标注结果对自动标注模型进行再次训练，从而进一步提高自动标注模型的标注精度，实现边标注边训练、边训练边标注的效果。

实施例2

本发明的实施例2提供了心电信号质量识别方法，包括以下步骤：

采集心电样本信号，采用实施例1提供的心电信号质量标注方法对所述心电样本信号进行质量标签标注；

以心电样本信号作为输入，以质量标签作为输出，对神经网络进行训练，得到质量识别模型；

根据所述质量识别模型对待识别信号进行质量识别。

通过实施例1提供的方法进行快速、精准的质量标签标注后，即可利用标注好的心电样本信号进行训练，得到用于心电信号识别的质量识别模型。本实施例中神经网络同样可以采用resnet网络，也可以采用其它神经网络。

实施例3

本发明的实施例3提供了心电信号质量标注装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现实施例1提供的心电信号质量标注方法。

本发明实施例提供的心电信号质量标注装置，用于实现心电信号质量标注方法，因此，心电信号质量标注方法所具备的技术效果，心电信号质量标注装置同样具备，在此不再赘述。

优选的，还包括触摸显示屏以及麦克风；

所述触摸屏显示器用于采集用户的触屏信号，并将所述触屏信号发送至所述处理器；

所述麦克风用于采集用户的语音信号，并将所述语音信号发送至所述处理器。

本优选实施例提供了待触摸显示屏和麦克风的心电图机，即心电信号质量标注装置，在采集数据过程中能够实时的用手指或触点笔进行点击，用以标注出该时间内显示屏上的心电信号质量分类，要可以通过语音用以标注心电信号段的质量分类。

实施例4

本发明的实施例4提供了计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现实施例1提供的心电信号质量标注方法。

本发明实施例提供的计算机存储介质，用于实现心电信号质量标注方法，因此，心电信号质量标注方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。

以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。