心电信号识别方法、装置、电子设备及可读存储介质

本发明涉及图像处理，尤其涉及一种心电信号识别方法、装置、电子设备及可读存储介质。

背景技术：

1、心电图作为临床上重要的常规检测手段之一，具有快速、简单、无痛等特点，在临床上主要用于检测心脏异常，它可以帮助医生快速地检测心脏异常节律，诊断心脏相关疾病，对于心脑血管疾病的早筛、控制和治疗亦具有重要意义。

2、近年来，随着模式识别、人工智能等技术水平的提高，目前对于心电信号的分类方法主要分为信号算法和人工智能算法。

3、其中，信号算法主要是通过pqrst波的识别、特征提取、聚类，最后再根据提取的特征选择合适的分类器识别异常心率。信号算法需要心电图专家知识和大量的特征提取工作。

4、人工智能算法主要以卷积神经网络为主，卷积神经网络可以在训练的过程中自动识别特征、提取特征，但是缺点也显而易见，即通常需要大量的数据集进行训练，而实际可用数据量却较少，且保存格式多样化，进一步增加了构建数据集的难度，从而，导致心电信号的处理效果不佳。

5、因此，解决现有心电信号识别方法的识别准确度不高的问题，显得十分必要。

技术实现思路

1、本发明提供一种心电信号识别方法、装置、电子设备及可读存储介质，用以克服决现有心电信号识别方法的识别准确度不高的缺陷，实现不同心电信号的准确识别。

2、一方面，本发明提供一种心电信号识别方法，包括：读取纸质心电图像，并采用预设算法对所述纸质心电图像进行降噪处理，得到目标心电图像；对所述目标心电图像进行特征提取，得到心电信号特征；基于预先训练的设定网络模型，对所述心电信号特征进行识别，得到心电信号识别结果；其中，所述预设算法至少包括低通滤波算法、高斯模糊算法、二值法、膨胀法以及基于八邻域稀疏性的降噪算法中的一种，所述设定网络模型通过根据构建的训练样本数据集进行训练优化得到。

3、进一步地，所述采用预设算法对所述纸质心电图像进行降噪处理的步骤，具体包括：采用十字低通滤波算法在频域上消除所述纸质心电图像中的网格和印章标记，得到第一图像；对所述第一图像进行高斯模糊处理，得到第二图像；使用二值法和膨胀法清除所述第二图像中的残留噪声，得到第三图像；对所述第三图像执行基于八邻域稀疏性的降噪操作，得到所述目标心电图像。

4、进一步地，所述对所述目标心电图像进行特征提取，得到心电信号特征，包括：框选出所述目标心电图像中多个导联的位置；根据多个导联的位置，对所述目标心电图像进行分割，得到多个导联；提取每一导联对应的心电信号特征，得到所述心电信号特征。

5、进一步地，所述对所述目标心电图像进行特征提取，得到心电信号特征，之后包括：对所述心电信号特征进行归一化处理，得到目标心电信号特征；相应地，所述基于预先训练的设定网络模型，对所述心电信号特征进行识别，包括：将所述目标心电信号特征输入至预先训练的所述设定网络模型中，得到输出的所述心电信号识别结果。

6、进一步地，所述心电信号识别方法还包括：读取数字心电图像，并提取所述数字心电图像中的数字心电信号特征；对所述数字心电信号特征进行归一化处理；基于预先训练的所述设定网络模型，对归一化处理后的数字心电信号特征进行识别，得到数字心电信号识别结果。

7、进一步地，所述设定网络模型为convnext-1d网络。

8、进一步地，所述设定网络模型为resnet网络或vgg网络。

9、第二方面，本发明还提供一种心电信号识别装置，包括：图像降噪模块，用于读取纸质心电图像，并采用预设算法对所述纸质心电图像进行降噪处理，得到目标心电图像；特征提取模块，用于对所述目标心电图像进行特征提取，得到心电信号特征；信号识别模块，用于基于预先训练的设定网络模型，对所述心电信号特征进行识别，得到心电信号识别结果；其中，所述预设算法至少包括低通滤波算法、高斯模糊算法、二值法、膨胀法以及基于八邻域稀疏性的降噪算法中的一种，所述设定网络模型通过根据构建的训练样本数据集进行训练优化得到。

10、第二方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的心电信号识别方法。

11、第三方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的心电信号识别方法。

12、本发明提供的一种心电信号识别方法，通过读取纸质心电图像，并采用预设算法对纸质心电图像进行降噪处理，得到目标心电图像，其中的预设算法至少包括低通滤波算法、高斯模糊算法、二值法、膨胀法以及基于八邻域稀疏性的降噪算法中的一种，进而，对目标心电图像进行特征提取，得到心电信号特征，最后，基于预先训练的设定网络模型，对心电信号特征进行识别，得到心电信号识别结果。该方法通过在提取心电信号特征识别之前采用预设算法对纸质心电图像进行降噪/去噪处理，显著提高了心电信号与噪声的对比度，确保了后续心电信号特征提取的精确性，以及，通过设定网络模型对心电信号特征进行识别，有效提升了不同心电信号的识别准确度。

技术特征：

1.一种心电信号识别方法，其特征在于，包括：

2.根据权利要求1所述的心电信号识别方法，其特征在于，所述采用预设算法对所述纸质心电图像进行降噪处理的步骤，具体包括：

3.根据权利要求1所述的心电信号识别方法，其特征在于，所述对所述目标心电图像进行特征提取，得到心电信号特征，包括：

4.根据权利要求1所述的心电信号识别方法，其特征在于，所述对所述目标心电图像进行特征提取，得到心电信号特征，之后包括：

5.根据权利要求1-4中任一项所述的心电信号识别方法，其特征在于，还包括：

6.根据权利要求5所述的心电信号识别方法，其特征在于，所述设定网络模型为convnext-1d网络。

7.根据权利要求5所述的心电信号识别方法，其特征在于，所述设定网络模型为resnet网络或vgg网络。

8.一种心电信号识别装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的心电信号识别方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的心电信号识别方法。

技术总结
本发明提供一种心电信号识别方法、装置、电子设备及可读存储介质，其中的方法包括：心电信号识别方法，该方法包括：采用预设算法对纸质心电图像进行降噪处理，得到目标心电图像；对目标心电图像进行特征提取，得到心电信号特征；基于预先训练的设定网络模型对心电信号特征进行识别，得到心电信号识别结果；预设算法至少包括低通滤波算法、高斯模糊算法、二值法、膨胀法以及基于八邻域稀疏性的降噪算法中的一种。该方法通过在提取心电信号特征识别之前采用预设算法对纸质心电图像进行降噪处理，提高了心电信号与噪声的对比度，确保了后续心电信号特征提取的精确性，通过设定网络模型对心电信号特征进行识别，有效提升了不同心电信号的识别准确度。

技术研发人员：田禾,李一凡,王骏杰,徐逸涵
受保护的技术使用者：清华大学
技术研发日：
技术公布日：2024/9/23