1.一种基于时频分析和循环神经网络的心电图波形分割方法,其特征在于,包括以下步骤:
1.1获取经标注的原始ecg数据集,将每组ecg数据划分为多个包含5000个采样点的时间序列数据段,丢弃其余采样段,并将数据集转换为元胞数组;
1.2设计一个带通滤波器,并将其应用于ecg数据集;
1.3对ecg数据集进行傅里叶同步压缩变换,将经傅里叶同步压缩变换后的实部和虚部视为单独的特征;
1.4将ecg数据集中的每组数据顺序打乱,按预设比例划分为训练集和测试集,并标准化训练集和测试集;
1.5构建循环神经网络模型,将训练集送入该网络进行训练,得到训练好的循环神经网络;
1.6将测试集送入训练好的循环神经网络,输出对ecg波形的分割结果,结合评价指标得到测试通过的ecg波形分割模型。
2.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法,其特征在于,1.1所述经标注的原始ecg数据为:采集时长大约15分钟,采样频率为250hz的数百名患者的双通道心电图信号时序数据,标注标签为4类:p,qrs,t和n/a。
3.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法,其特征在于,1.2所述带通滤波器的频率范围[0.540]hz,以消除低频的基线漂移和高频噪声。
4.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法,其特征在于,1.3所述傅里叶同步压缩变换的采样频率fs为原始ecg数据的采样频率,kaiser窗设为128,频率显示轴设为’yaxis’。
5.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法,其特征在于,1.4预设比例为7:3;数据集标准化方式为:
式中,x表示样本值,μ表示样本均值,σ表示样本标准差。
6.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法,其特征在于,1.5所述的循环神经网络模型依次包括:序列数据输入层、循环单元层、全连接层、softmax层、分类输出层;序列输入层设为40,循环单元层的神经元个数设为200、激活函数选择relu、序列输出设为’sequence’,全连接层的神经元个数设为4;优化器选择’adam’、梯度下降法中的学习率调整策略使用分段常数衰减。
7.根据权利要求1所述的基于时频分析和循环神经网络的心电图波形分割方法,其特征在于,1.6所述的评价指标为混淆矩阵和准确率。
8.根据权利要求6所述的基于时频分析和循环神经网络的心电图波形分割方法,其特征在于,所述循环单元可以为循环神经网络、长短期记忆网络和门控循环单元中的任一种。