本發(fā)明涉及心電信號處理，具體涉及一種結(jié)合雙向信息的監(jiān)護(hù)心電數(shù)據(jù)分析方法。

背景技術(shù)：

1、心電圖監(jiān)護(hù)在監(jiān)護(hù)儀中有著舉足輕重的作用，被監(jiān)護(hù)者的突發(fā)心率失常容易導(dǎo)致生命危險有著重要作用，心電圖監(jiān)護(hù)可以有效的進(jìn)行預(yù)警并指導(dǎo)搶救。因此針對監(jiān)護(hù)儀的心電算法成為當(dāng)前研究熱點(diǎn)。

2、與傳統(tǒng)心電輔助診斷不同，傳統(tǒng)心電算法是將一整條心電數(shù)據(jù)為分析整體，給出整體診斷，前后信息完整。而監(jiān)護(hù)儀心電要求處理效率極高，需要隨著時間變化實時出具心電圖信息，也無法參考后方的心博信息。而在心電圖中，很多心電類別需要根據(jù)前面心博信息與后面心博信息共同判斷類別?，F(xiàn)有的心電算法無法直接遷移。此外直接對心電圖進(jìn)行暴力切片，會損失全局的上下文信息，僅對片段進(jìn)行分析，對于開頭結(jié)尾的心博容易出現(xiàn)無法判斷的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明為了克服以上技術(shù)的不足，提供了一種通過子波形結(jié)果得到心博類別的序列集合的結(jié)合雙向信息的監(jiān)護(hù)心電數(shù)據(jù)分析方法。

2、本發(fā)明克服其技術(shù)問題所采用的技術(shù)方案是：

3、一種結(jié)合雙向信息的監(jiān)護(hù)心電數(shù)據(jù)分析方法，包括：

4、a)獲取n條12導(dǎo)聯(lián)心電數(shù)據(jù)構(gòu)成心電數(shù)據(jù)集合setdata，setdata＝{x1,x2,...,xi,...,xn}，其中xi為第i條12導(dǎo)聯(lián)心電數(shù)據(jù)，i∈{1,...,n}；

5、b)根據(jù)心電數(shù)據(jù)集合setdata得到心博位置集合setloc及心博類別標(biāo)簽集合setlabel；

6、c)將心電數(shù)據(jù)集合setdata輸入到深度學(xué)習(xí)網(wǎng)絡(luò)中，得到預(yù)測特征集合

7、d)利用預(yù)測特征集合得到心博特征列表集合fset；

8、e)利用心博特征列表集合fset及心博類別標(biāo)簽集合setlabel計算最終損失loss，使用adam優(yōu)化器利用最終損失loss優(yōu)化深度學(xué)習(xí)網(wǎng)絡(luò)，得到優(yōu)化后的深度學(xué)習(xí)網(wǎng)絡(luò)；

9、f)從心電監(jiān)護(hù)儀中獲取監(jiān)護(hù)心電數(shù)據(jù)monecg；

10、g)根據(jù)監(jiān)護(hù)片段融合機(jī)制對監(jiān)護(hù)心電數(shù)據(jù)monecg進(jìn)行動態(tài)切片，得到片段fragi；

11、h)將片段fragi輸入到優(yōu)化后的深度學(xué)習(xí)網(wǎng)絡(luò)中，得到心電特征

12、i)將心電特征輸入到特征融合模塊中，輸出得到融合特征

13、j)利用融合特征得到最終結(jié)果進(jìn)一步的，步驟a)中從ptb-xl數(shù)據(jù)集中獲取n條12導(dǎo)聯(lián)心電數(shù)據(jù)，第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi的張量大小為其中12表示12個導(dǎo)聯(lián)，lenxi表示第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi在時間長度的維度上對應(yīng)采樣率fs下的數(shù)據(jù)點(diǎn)長度。進(jìn)一步的，步驟b)包括如下步驟：

14、b-1)人工標(biāo)注第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi中第j個心博的起點(diǎn)位置及第j個心博的終點(diǎn)位置j∈{1,…,m}，m為第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi中心博的數(shù)量，第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi的第j個心博的起止點(diǎn)信息為

15、b-2)構(gòu)建第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi的起止點(diǎn)信息列表為所有n條12導(dǎo)聯(lián)心電數(shù)據(jù)的起止點(diǎn)信息列表構(gòu)成心博位置集合setloc，

16、b-3)人工標(biāo)注第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi中第j個心博的類別，將該類別標(biāo)注為

17、b-4)構(gòu)建第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi的類別列表為所有n條12導(dǎo)聯(lián)心電數(shù)據(jù)的類別列表構(gòu)成心博類別標(biāo)簽集合setlabel，

18、進(jìn)一步的，步驟c)包括如下步驟：

19、c-1)深度學(xué)習(xí)網(wǎng)絡(luò)依次由卷積神經(jīng)網(wǎng)絡(luò)、殘差神經(jīng)網(wǎng)絡(luò)構(gòu)成；

20、c-2)將將心電數(shù)據(jù)集合setdata中第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi輸入到深度學(xué)習(xí)網(wǎng)絡(luò)中，得到心電特征定義心電特征的維度為typenum表示心博的類別的數(shù)量；

21、c-3)所有n條12導(dǎo)聯(lián)心電數(shù)據(jù)的心電特征構(gòu)成特征集合

22、進(jìn)一步的，步驟d)包括如下步驟：

23、d-1)將特征集合中第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi對應(yīng)的心電特征以心博位置集合setloc中起止點(diǎn)信息列表為的第j個心博的起止點(diǎn)信息的起點(diǎn)位置及終點(diǎn)位置進(jìn)行特征提取，得到張量大小為(typenum,endj-startj)的心電特征

24、d-2)將心電特征沿第二維度求取均值，得到長度為typenum的心電特征心電特征的張量大小為(typenum,1)，所有m個心博的心電特征構(gòu)成特征列表

25、d-3)所有n條12導(dǎo)聯(lián)心電數(shù)據(jù)的特征列表構(gòu)成心博特征列表集合fset，

26、進(jìn)一步的，步驟e)中計算最終損失loss的方法為：

27、e-1)將心博特征列表集合fset中第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi對應(yīng)的心電特征構(gòu)成特征列表中的m個心電特征通過pytorch庫中的torch.tensor函數(shù)合并為張量大小為(typenum,m)的新的心電特征所有n條12導(dǎo)聯(lián)心電數(shù)據(jù)的新的心電特征構(gòu)成新的特征集合fnew_set，

28、e-2)將新的特征集合fnew_set中第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi對應(yīng)的新的心電特征與心博類別標(biāo)簽集合setlabel中第i條12導(dǎo)聯(lián)心電數(shù)據(jù)xi對應(yīng)的類別列表利用條件隨機(jī)場損失函數(shù)計算得到損失通過公式計算得到最終損失loss。

29、進(jìn)一步的，步驟g)包括如下步驟：

30、g-1)監(jiān)護(hù)心電數(shù)據(jù)monecg的張量大小為(12,lenmon)，lenmon為監(jiān)護(hù)心電數(shù)據(jù)monecg的實時長度；

31、g-2)設(shè)定片段分析長度為lenfrag，以片段分析長度lenfrag對監(jiān)護(hù)心電數(shù)據(jù)monecg進(jìn)行切分，第i個切分的片段的頭端與第i-1個切分的片段的尾端具有重疊的心電數(shù)據(jù)，定義重合的心電數(shù)據(jù)的片段交疊長度為lenmerge，第i個切分的片段的尾端與第i+1個切分的片段的頭端具有重疊的心電數(shù)據(jù)，重合的心電數(shù)據(jù)的片段交疊長度為lenmerge；

32、g-3)每當(dāng)監(jiān)護(hù)心電數(shù)據(jù)monecg增加到lenfrag-lenmerge長度時，截取蓋長度的心電數(shù)據(jù)，得到若干片段，第i個片段為frag-bi；

33、g-4)將監(jiān)護(hù)心電數(shù)據(jù)monecg從后端向前端以片段交疊長度lenmerge進(jìn)行切分，得到若干片段，第i個片段為frag-mi；

34、g-5)將第i-1個片段frag-mi-1與第i個片段frag-bi進(jìn)行拼接操作，得到片段fragi，i≠1，片段fragi的張量大小為(12,lenfrag)。

35、進(jìn)一步的，步驟i)包括如下步驟：

36、i-1)心電特征的張量大小為(typenum,lenfrag)，建立typenum行l(wèi)enfrag列的交疊左部分加權(quán)矩陣wleft，交疊左部分加權(quán)矩陣wleft的每一行的第一列的值為1，其每一行的最后一列的值為0，其每一行的第j列的值為j∈{1,...,lenfrag}；建立typenum行l(wèi)enfrag列的交疊右部分加權(quán)矩陣wright，交疊右部分加權(quán)矩陣wright的每一行的第一列的值為0，其每一行的最后一列的值為1，其每一行的第j列的值為j∈{1,...,lenfrag}；

37、i-2)取心電特征前l(fā)enfrag-lenmerge列得到主體片段主體片段的張量大小為(typenum,lenfrag-lenmerge)；

38、i-3)取心電特征后lenmerge列得到主體片段主體片段的張量大小為(typenum,lenmerge)；

39、i-4)通過公式計算得到左特征加權(quán)后的主體片段

40、i-5)取主體片段的前l(fā)enmerge列，得到切分后的主體片段通過公式計算得到右特征加權(quán)后的主體片段

41、i-6)將左特征加權(quán)后的主體片段與右特征加權(quán)后的主體片段進(jìn)行列合并，得到融合特征融合特征的張量大小為(typenum,lenfrag-lenmerge)。

42、進(jìn)一步的，步驟j)包括如下步驟：

43、j-1)使用pan-tompkins?qrs波識別算法對片段fragi的前l(fā)enfrag-lenmerge列進(jìn)行心博位置判斷，得到心博列表心博列表

44、其中，為第j個心博的起點(diǎn)位置，為第j個心博的終點(diǎn)位置，j∈{1,...,p}，p為心博列表中心博的數(shù)量；

45、j-2)將融合特征中的第j個心博以心博列表中第j個心博的起點(diǎn)位置及第j個心博的終點(diǎn)位置進(jìn)行特征提取，得到張量大小為的心電特征

46、j-3)將心電特征沿第二維度求取均值，得到長度為typenum的心電特征心電特征的張量大小為(typenum,1)，所有p個心博的心電特征構(gòu)成心博特征列表

47、j-4)通過pytorch庫中的torch.tensor函數(shù)將心博特征列表中的p個心電特征合并成特征張量特征張量的張量大小為(typenum,p)；

48、j-5)將特征張量通過維特比解碼算法，得到心博列表

49、，其中為特征張量中第j個心博的心博類型，j∈{1,...,p}；j-6)結(jié)合心博列表及心博列表形成第j個心博節(jié)點(diǎn)的信息所有p個心博節(jié)點(diǎn)的信息構(gòu)成最終結(jié)果

50、本發(fā)明的有益效果是：通過深度學(xué)習(xí)提取區(qū)段的分類特征，然后通過子波形結(jié)果得到心博類別的序列集合，通過crf條件隨機(jī)場獲取前后的概率歸一化的結(jié)果，推理整個序列概率最大的結(jié)果。最后通過監(jiān)護(hù)心電片段融合方法，將前后概率圖同一起來，即便進(jìn)行切片也可以通過整理特征考慮，既建立了整個監(jiān)護(hù)序列的前向概率最大化，又用crf兼顧了后向信息的參考。