一种基于机器学习的房颤信号识别方法及系统

摘要

本发明公开了一种基于机器学习的房颤信号识别方法，包括以下步骤：获取多个心电波形信号作为训练样本，将所述多个心电波形信号转换为多个频谱图像；采用所述多个频谱图像，基于深度卷积神经网络训练房颤/非房颤分类模型，得到模型参数；将所述多个频谱图像作为模型的输入，得到各频谱图像相应的预测概率；将得到的多个预测概率进行合并，得到一个一维特征；对心电信号进行R波检测并提取RR间期，计算多个RR间期特征；采用所述一维特征，以及多个RR间期特征，基于支持向量机训练房颤/非房颤分类模型，基于最终得到的房颤/非房颤分类模型，进行房颤信号识别。本发明基于频谱图像作为特征数据，将卷积神经网络的输出作为支持向量机的一个特征，有效提高了识别精度。