一种ECG感知信号编码方法及系统

本发明属于智能数据学习，尤其涉及一种ecg感知信号编码方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、近年来，随着智慧医疗的蓬勃发展，涌现出大量基于人工智能、大数据、物联网技术的心电图自动分析诊断软件或平台，能够支持数据采集、远程诊断及分级诊疗，并共享心电数据及报告，可辅助医院心电网络信息化的建设。然而，心电图显示的心电信号(即ecg信号)通常伴随电极运动伪影、肌肉伪影和基线漂移等噪声，影响心电信号的形状特征，如幅度和基线增加了ecg信号的描绘难度，因此需要在对心电信号进行智能分析和识别之前，要对心电信号进行降噪处理。但是，现有的信号降噪方法常采用小波或滤波变换给予高频信号更高的权重、低频信号更低的权重，导致信号的低频波段特征难以被智能算法抓取，直接影响后续的检测精度。

3、正常心电图是一组具有正、负向波的波形曲线，可以描记在特殊的记录纸上或显示在心电示波器上。如图1所示的一个周期内的正常心电信号，该心电信号包括p波、qrs复波和t波，且p波、qrs复波和t波具有一定的规律性，其依次发生。若心脏跳动稳定，则会产生典型的ecg信号(即正常心电信号)：首先，第一个峰值(p波)显示了电脉冲(兴奋)如何在心脏的两个心房传播：心房收缩(挤压)，将血液泵入心室，然后立即放松；然后，电脉冲到达心室，可在心电图的q、r、s波中观察到，其称为qrs复波；最后，心室收缩，t波显示电脉冲已经停止传播，心室再次放松。通过心电图，能够在其中检测或观察到心脏病和心律不齐等疾病。

4、由心电图显示的正常心电信号可见，心电信号中的qrs波的特征最为明显，有利于智能算法的特征提取。但是，当心电信号中的st段发生异常，如图2所示，智能算法很难抓取到其感知特征，因为这些感知特征在整个心电信号内变化很小，特征不是很明显，极有可能会被当作噪声通过上述降噪方法而过滤掉，而且基于上述降噪方式将进一步增加低频特征的感知难度。因此，需要灵敏感知心电信号中各波段的特征，这样才能够便于后续智能算法的特征抓取，极大提高智能分析和识别算法的性能。

5、此外，现有的基于机器学习的智能分析和识别方法通过需要利用大量的标注的心电信号，直接提取标注的心电信号各波段的特征，进行心电信号正常或异常的识别训练。一方面，现有方法中难以直接灵敏感知或抓取心电信号中各波段的特征，另一方面，医疗数据的标记一般都需要专家手动进行标注，这样需要大量的人力、财力和物力，这对于海量信号数据是不现实的，而且异常信号以多种形式出现，在进行数据收集时不可能将其全部覆盖，这也限制了使用监督学习方法的可扩展性。而自动标注算法对于医疗信号而言是具有风险的，一旦标注错误，其影响是致命的。

技术实现思路

1、为解决上述现有技术的不足，本发明提供了一种ecg感知信号编码方法及系统，在无监督的情况下，以正常ecg信号为参考信号，放大具有异常感知的ecg信号与正常的参考信号之间的差异性，并进行自编码，编码后的ecg感知信号有利于后续智能算法的特征抓取，便于深度机器学习智能算法的快速感知，为实现心电信号类别的精准识别和分析奠定基础。

2、第一方面，本公开提供了一种ecg感知信号编码方法。

3、一种ecg感知信号编码方法，包括：

4、获取包含多个无标签ecg信号的信号集，对信号集中每个ecg信号进行分割，得到多个ecg样本信号；

5、选取正常的ecg样本信号为参照信号，对每个ecg样本信号与所述参照信号进行差值计算，并将差值计算结果与预设阈值进行比较，得到每个ecg样本信号的感知表征；

6、根据感知表征类型的不同，维持正常感知表征所对应的原始ecg样本信号，将异常感知表征反馈到对应的原始ecg样本信号上，进而得到每个ecg样本信号的ecg感知信号；

7、将每个ecg样本信号的ecg感知信号输入到自编码器网络中，输出编码后的ecg感知信号。

8、进一步的技术方案，所述分割为：

9、对于每个ecg信号，选取ecg信号中r峰值点作为ecg样本信号的起点，并向后截取相同的时间间隔，得到多个ecg样本信号，构成预处理后ecg样本信号集。

10、进一步的技术方案，所述将差值计算结果与预设阈值进行比较，得到每个ecg样本信号的感知表征，包括：

11、若ecg样本信号与参照信号的差值计算结果的绝对值之和小于预设阈值，则ecg样本信号的感知表征为原始ecg样本信号；反之，则ecg样本信号的感知表征为ecg样本信号与参照信号的差值计算结果。

12、进一步的技术方案，所述感知表征的类型包括异常感知表征和正常感知表征，所述正常感知表征为原始ecg样本信号，所述异常感知表征为ecg样本信号与参照信号的差值计算结果。

13、进一步的技术方案，所述将异常感知表征反馈到对应的原始ecg样本信号上，包括：

14、对异常感知表征进行放大加权，其中，采用信息增益策略计算异常感知表征的权重；

15、将加权后的异常感知表征反馈到对应的原始ecg样本信号上，得到具有感知异常的ecg样本信号的ecg感知信号。

16、第二方面，本公开提供了一种ecg感知信号编码系统。

17、一种ecg感知信号编码系统，包括：

18、ecg信号获取及处理模块，用于获取包含多个无标签ecg信号的信号集，对信号集中每个ecg信号进行分割，得到多个ecg样本信号；

19、感知表征模块，用于选取正常的ecg样本信号为参照信号，对每个ecg样本信号与所述参照信号进行差值计算，并将差值计算结果与预设阈值进行比较，得到每个ecg样本信号的感知表征；

20、ecg感知信号获取模块，用于根据感知表征类型的不同，维持正常感知表征所对应的原始ecg样本信号，将异常感知表征反馈到对应的原始ecg样本信号上，进而得到每个ecg样本信号的ecg感知信号；

21、ecg感知信号编码模块，用于将每个ecg样本信号的ecg感知信号输入到自编码器网络中，输出编码后的ecg感知信号。

22、第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。

23、第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。

24、以上一个或多个技术方案存在以下有益效果：

25、1、本发明提供了一种ecg感知信号编码方法及系统，在无监督的情况下，以正常ecg信号为参考信号，放大具有感知异常的ecg信号与正常的参考信号之间的差异性，并进行自编码，编码后的ecg感知信号有利于后续智能算法的特征抓取，便于深度机器学习智能算法的快速感知，为实现心电信号类别的精准识别和分析奠定基础。

26、2、本发明中，对于带有病灶靶点的ecg信号，通过将其与正常ecg信号比对作差，凸现病灶的关键靶点，而对于正常的ecg信号不进行处理，通过这一方式，能够有效增强后续网络分类器的感知能力，增强不同类型的ecg信号的被识别率。