以深度学习为基础的心电图数据的噪声去除系统的制作方法

本发明揭示一种以深度学习为基础的心电图数据的噪声去除系统，从所测量的心电图数据保持心脏固有的电信号，反映受检者的特性及测量方式的特性而能有效地去除外部电信号所致噪声。

背景技术：

1、众所周知，自从开发了心电图之后，心电图相关知识以几何级数增加，能从心电图检查中获得关于心脏电功能的信息并且能进一步诊断出诸如心律失常、冠状动脉疾病、心肌疾病之类的各种心脏疾病。

2、近来，人们积极研究心电图的ai算法，通过ai算法检测出心衰或者在心律失常心跳中预测心房颤动或者确定性别。

3、如前所述，克服人类界限，能凭借ai算法检测出心电图波形的微妙变化，还能提升心电图的解析。

4、例如，医疗领域所使用的心电图是12导联心电图，连接3个四肢电极、6个胸前电极及1个接地电极等10个电极后测量，能远距传输所测量的心电图数据。

5、另一方面，心电图作为在体表面测量了心脏的电信号后输出的数据，在测量时会混入很多噪声，有时候，位于胸部的肌肉与手脚肌肉的收缩所致肌电图以及皮肤与电极的接触面上产生的噪声会混入心电图，在拍摄心电图的过程中呼吸导致胸部进行上下运动而让心电图包含胸部运动，从接触身体的电极到心电图机的电线上也会产生噪声，心电图机本身的交流电流也会导致噪声发生，不是停止状态下测量的心电图而是接上电极后运动的运动心电图及动态心电图会有步行或动作所导致的噪声混入心电图。

6、现有技术采取的是把一定频率以下及以上的噪声统统去除的方法，虽然以统统删除心脏较不发出的频带0.05hz以下或150hz以上的信号的方法去除噪声，但是会引起心电图信号本身的变形而使得疾病诊断的正确度降低。

7、如前所述，把受检者的特性、测量环境与测量仪器所导致的噪声和心脏本身的电信号区分开来后去除的作业并不容易，以一定频率为基准统统去除的方式会扭曲心电图固有的信号并且使得以心电图为基础诊断疾病或预测患病时降低其正确度。

8、因此，迫切需要开发一种去除心电图数据的噪声而生成高品质心电图以便保障高诊断正确度的技术。

技术实现思路

1、技术问题

2、本发明的精神所要实现的技术课题是提供一种以深度学习为基础的心电图数据的噪声去除系统，从所测量的心电图数据保持心脏固有的电信号，反映受检者的特性及测量方式的特性而能有效地去除外部电信号所致噪声。

3、技术方案

4、为了达到所述目的，本发明的实施例揭示以深度学习为基础的心电图数据的噪声去除系统，该系统包括：心电图测量单元，从受检者的身体测量各导联的心电图数据；以及基于样式的心电图生成单元，以复数个心电图数据为基础，通过预先学习噪声少的各导联的心电图数据及所述各导联的心电图数据的固有样式的用于培训的数据集后建立的用于生成心电图的深度学习算法，反映受检者的特性及测量方式的特性，从所述心电图测量单元所测量的所述心电图数据提取所述固有样式，通过所述提取的固有样式转换成不包含噪声的特定导联样式的心电图数据而予以生成。

5、在此，所述用于生成心电图的深度学习算法可以是按照心电图数据的各导联各自生成复数个并预先学习所述用于培训的数据集后建立的。

6、而且，所述各导联的用于生成心电图的深度学习算法可以学习具有一个以上的固有样式的心电图数据。

7、而且，所述用于生成心电图的深度学习算法能由自编码器或生成对抗网络单独实现或者合并后实现并提取所述各导联的心电图数据的固有样式。

8、而且，所述自编码器包括表达心电图数据的固有样式的编码器、把该固有样式复原成原始的心电图数据的解码器，能学习所述心电图数据的固有样式。

9、而且，所述生成对抗网络可包括：生成器，把随机生成的复数个变量作为输入而生成合成心电图数据；以及判别器，针对所述合成心电图数据是否和实际心电图数据相似进行判别，所述生成器能学习所述心电图数据的固有样式。

10、而且，能把所述生成器改成所述自编码器的形态而合并所述自编码器与所述生成对抗网络。

11、发明的效果

12、依据本发明，从所测量的心电图数据保持心脏固有的电信号，反映受检者的特性及测量方式的特性而能有效地去除外部电信号所致噪声，通过去除了噪声的心电图数据能更正确地预测疾病而予以诊断，也能把去除了噪声的心电图数据与原始的心电图数据予以比较分析而能将噪声程度定量化。

技术特征：

1.一种以深度学习为基础的心电图数据的噪声去除系统，其特征在于，

2.根据权利要求1所述的以深度学习为基础的心电图数据的噪声去除系统，其特征在于，所述用于生成心电图的深度学习算法是按照心电图数据的各导联各自生成复数个并预先学习所述用于培训的数据集后建立的。

3.根据权利要求2所述的以深度学习为基础的心电图数据的噪声去除系统，其特征在于，所述各导联的用于生成心电图的深度学习算法学习具有一个以上的固有样式的心电图数据。

4.根据权利要求1所述的以深度学习为基础的心电图数据的噪声去除系统，其特征在于，所述用于生成心电图的深度学习算法由自编码器或生成对抗网络单独实现或者合并后实现并提取所述各导联的心电图数据的固有样式。

5.根据权利要求4所述的以深度学习为基础的心电图数据的噪声去除系统，其特征在于，所述自编码器包括表达心电图数据的固有样式的编码器、把该固有样式复原成原始的心电图数据的解码器，学习所述心电图数据的固有样式。

6.根据权利要求4所述的以深度学习为基础的心电图数据的噪声去除系统，其特征在于，

7.根据权利要求5或6所述的以深度学习为基础的心电图数据的噪声去除系统，其特征在于，把所述生成器改成所述自编码器的形态而合并所述自编码器与所述生成对抗网络。

技术总结
本发明揭示以深度学习为基础的心电图数据的噪声去除系统，包括：心电图测量单元(110)，从受检者的身体测量各导联的心电图数据；以及基于样式的心电图生成单元(120)，以复数个心电图数据为基础，通过预先学习噪声少的各导联的心电图数据及各导联的心电图数据的固有样式的用于培训的数据集后建立的用于生成心电图的深度学习算法(121)，反映受检者的特性及测量方式的特性，从心电图测量单元(110)所测量的心电图数据提取固有样式，通过所提取的固有样式转换成不包含噪声的特定导联样式的心电图数据而予以生成，该系统生成去除了噪声的心电图数据而能够提高疾病诊断预测的正确度。

技术研发人员：权俊明
受保护的技术使用者：美迪科诶爱有限公司
技术研发日：
技术公布日：2024/4/7