申请/专利权人:电子科技大学
申请日:2019-12-10
公开(公告)日:2020-03-27
公开(公告)号:CN110916645A
主分类号:A61B5/0402(20060101)
分类号:A61B5/0402(20060101);A61B5/0472(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的视为撤回
法律状态:2021.12.28#发明专利申请公布后的视为撤回;2020.04.21#实质审查的生效;2020.03.27#公开
摘要:本发明公开了一种结合小波变换和图像分割网络的QRS波识别方法,主要涉及深度学习以及医学图像处理领域。发明的流程如图所示,本发明技术方案主要包括如下要点:1将一维心电信号通过小波变换的方法张成二维频谱图像,作为心电信号的浅层特征;2然后对于二维频谱图像做反转和裁剪,以适应后期训练网络;3将处理后的频谱图输入图像分割网络U‑net进行逐像素二分类预测;4最后对分割网络输出图像结果QRS波定位计算,得到具体QRS波的定位点。与传统方法PT、XQRS、GQRS方法相比,该发明综合利用了小波变换抗干扰的能力和深度学习网络速度快精度高的特点,从而达到提高QRS波识别精度的目的。
主权项:1.一种结合小波变换和图像分割网络的QRS波识别方法,其特征在于,所述方法包括:步骤1对训练样本库中每个一维心电数据进行降噪处理,得到良好的训练数据样本,每个一维心电数据样本大小为5000;步骤2为得到心电信号的频域信息,对步骤1中的训练数据样本进行小波变换,将一维心电信号张成二维频谱图像,每张图像大小为5000*512;步骤3为扩大样本容量、减小后期网络的训练计算量,对步骤2中所得到的二维频谱图像进行切割处理,分成5分,每个切割之后频谱图的大小为1200*512;步骤4将步骤3中切割之后频谱图输入图像分割网络,对其进行训练,得到可以进行逐像素二分类预测的灰度图;步骤5将步骤4中预测的灰度图进行QRS波定位计算,得到具体QRS波的定位点。
全文数据:
权利要求:
百度查询: 电子科技大学 一种结合小波变换和图像分割网络的QRS波识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。