房颤类型的识别方法、装置、设备和存储介质与流程

本公开涉及心电监测，特别涉及一种房颤类型的识别方法、装置、设备和存储介质。

背景技术：

1、心房颤动(atrial fibrillation，af)简称房颤，是临床最常见的一种心律失常疾病，其特点是紊乱的心房活动和随之而来的脑卒、心肌梗死等并发症，导致较高的致残率和死亡率，严重危害着人类的健康和生命。目前，房颤检测的研究多集中研究房颤发作的某一个单一的临床表现，其鲁棒性不强，很难满足临床实际的需求。

技术实现思路

1、本公开目的在于：提供了一种房颤类型的识别方法、装置、设备和存储介质，其能够有效利用心电信号的空间特征、时序特征以及用户信息进行综合识别，满足不同的应用场景。

2、为达上述目的，本公开采用以下技术方案：一种房颤类型的识别方法，包括：

3、采集初始心电信号和用户信息；

4、对所述初始心电信号进行去噪、重采样、分割以及归一化处理，得到预处理心电信号；

5、将所述预处理心电信号和所述用户信息输入预训练的识别模型，所述识别模型基于所述预处理心电信号的空间特征、时序特征、所述用户信息和ecg手工特征进行综合解析，得到所述初始心电信号对应的房颤类型。

6、本公开还提供了一种房颤类型的识别装置，包括：

7、采集模块，用于采集初始心电信号和用户信息；

8、预处理模块，用于对所述初始心电信号进行去噪、重采样、分割以及归一化处理，得到预处理心电信号；

9、识别模块，用于将所述预处理心电信号和所述用户信息输入预训练的识别模型，所述识别模型基于所述预处理心电信号的空间特征、时序特征、所述用户信息和ecg手工特征进行综合解析，得到所述初始心电信号对应的房颤类型。

10、本公开还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

11、本公开还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。

12、本公开中提供的一种房颤类型的识别方法、装置、设备和存储介质，首先采集初始心电信号和用户信息，然后对初始心电信号进行去噪、重采样、分割以及归一化处理，得到预处理心电信号。接着，将预处理心电信号和所述用户信息输入预训练的识别模型，识别模型基于预处理心电信号的空间特征、时序特征、用户信息和ecg手工特征进行综合解析，得到初始心电信号对应的房颤类型。本公开能够有效利用预处理心电信号的空间特征和时序上的上下文信息(即时序特征)对房颤类型进行识别，从而更适合实际应用时不同的场景。并且，通过将预处理心电信号与用户信息、ecg手工特征进行相结合，从而生成识别模型的识别能力，提升对房颤类型的识别准确度。

技术特征：

1.一种房颤类型的识别方法，其特征在于，包括：

2.根据权利要求1所述的房颤类型的识别方法，其特征在于，所述对所述初始心电信号进行去噪、重采样、分割以及归一化处理，得到预处理心电信号的步骤，包括：

3.根据权利要求1所述的房颤类型的识别方法，其特征在于，所述识别模型包括agegender模块、人工经验特征模块、深度特征模块和全连接层，所述将所述预处理心电信号和所述用户信息输入预训练的识别模型，所述识别模型基于所述预处理心电信号的空间特征、时序特征、所述用户信息和ecg手工特征进行综合解析，得到所述初始心电信号对应的房颤类型的步骤，包括：

4.根据权利要求3所述的房颤类型的识别方法，其特征在于，所述将所述用户信息输入所述age gender模块进行特征提取，得到年龄性别特征的步骤，包括：

5.根据权利要求3所述的房颤类型的识别方法，其特征在于，所述预处理心电信号包括多个导联心电信号，所述将所述预处理心电信号输入所述人工经验特征模块，提取得到人工经验特征的步骤，包括：

6.根据权利要求3所述的房颤类型的识别方法，其特征在于，所述预处理心电信号包括多个导联心电信号，所述深度特征模块包括第一cnn_block和第二cnn_block，所述将所述预处理心电信号输入所述深度特征模块做空间特征提取和时序特征提取，得到多个时间步各自对应的输出向量的步骤，包括：

7.根据权利要求6所述的房颤类型的识别方法，其特征在于，所述第一cnn_bloc由输入层、第一卷积层、batch normalizatio层、dropou层、第二卷积层、max-pooling层、合并层和输出层组成；

8.一种房颤类型的识别装置，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其中，所述处理器执行所述计算机程序时实现权利要求1—7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1—7任一项所述的方法的步骤。

技术总结
本公开提供了一种房颤类型的识别方法、装置、设备和存储介质，首先采集初始心电信号和用户信息，然后对初始心电信号进行去噪、重采样、分割以及归一化处理，得到预处理心电信号。接着，将预处理心电信号和所述用户信息输入预训练的识别模型，识别模型基于预处理心电信号的空间特征、时序特征、用户信息和ECG手工特征进行综合解析，得到初始心电信号对应的房颤类型。本公开能够有效利用预处理心电信号的空间特征和时序上的上下文信息(即时序特征)对房颤类型进行识别，从而更适合实际应用时不同的场景。并且，通过将预处理心电信号与用户信息、ECG手工特征进行相结合，从而生成识别模型的识别能力，提升对房颤类型的识别准确度。

技术研发人员：胡静,赵巍
受保护的技术使用者：广州视源电子科技股份有限公司
技术研发日：
技术公布日：2024/1/15