CN115040137B - 一种心电信号参数化方法、模型训练方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种心电信号参数化方法、模型训练方法、装置、设备及介质。通过将心电信号中的特征波信号参数化，从而可以直接利用这些参数去分析心电信号，临床可解释性好。在后续需要重构心电信号时，只需根据关键点确定第一样条波信号，并根据这些参数调整第一样条波信号得到重构信号。由于无需存储原始的心电图，只需存储参数向量序列，因此，存储的数据量大幅减少，存储成本大幅降低。

Description

一种心电信号参数化方法、模型训练方法、装置、设备及介质

技术领域

本发明实施例涉及心电技术领域，尤其涉及一种心电信号参数化方法、模型训练方法、装置、设备及介质。

背景技术

随着社会向老龄化发展，心血管疾病的发病率和危害性不断上升。心电图作为一种常规的体检项目，对心血管疾病的诊断和监测具有重要意义。在临床医学中，医生主要通过观察心电波形和测量某些关键参数来进行疾病诊断。因此，需要一种能够快速、准确地提取心电图的波形信息和测量关键参数的心电分析方法来帮助医生工作。

现有的心电分析方法，通常采用基于深度学习的端到端方法，得到心电信号可能存在异常的概率。对基于深度学习的分析方法而言，虽然其性能较好，但通用性和临床可解释性一直都是该方法的短板。

发明内容

本发明提供一种心电信号参数化方法、模型训练方法、装置、设备及介质，提高临床可解释性，降低标注成本，同时提高参数化精度和运算速度。

第一方面，本发明实施例提供了一种心电信号参数化方法，包括：

获取心电信号，所述心电信号包括多个特征波信号；

获取用于重构所述心电信号的多个关键点的相对位置信息；

基于特征波信号与第一样条波信号的关系对所述特征波信号进行傅里叶-对数坐标变换，确定缩放宽度，所述第一样条波信号经平移和缩放得到所述特征波信号；

确定所述特征波信号在时间-信号强度坐标轴上的位置信息和幅值；

基于所述关键点的相对位置信息、所述特征波信号的位置信息、所述缩放宽度和所述幅值确定所述心电信号的参数向量序列，所述参数向量序列包括多个用于表征所述特征波信号的参数向量。

第二方面，本发明实施例还提供了一种心电信号参数化模型训练方法，包括：

获取心电信号样本，所述心电信号样本包括多个特征波信号样本；

将所述心电信号样本输入待训练的心电信号参数化模型中进行处理，得到所述心电信号样本的参数向量序列，心电参数化模型的模型参数包括用于重构所述心电信号样本的多个关键点的相对位置信息，所述参数向量序列包括多个用于表征所述特征波信号样本的参数向量；

根据所述参数向量序列重构所述心电信号样本，得到重构信号样本；

计算所述心电信号样本与所述重构信号样本的误差；

根据所述误差更新所述心电参数化模型中所述关键点的相对位置信息。

第三方面，本发明实施例还提供了一种心电信号参数化装置，包括：

心电信号获取模块，用于获取心电信号，所述心电信号包括多个特征波信号；

关键点信息获取模块，用于获取用于重构所述心电信号的多个关键点的相对位置信息；

缩放宽度确定模块，用于基于特征波信号与第一样条波信号的关系对所述特征波信号进行傅里叶-对数坐标变换，确定缩放宽度，所述第一样条波信号经平移和缩放得到所述特征波信号；

位置幅值确定模块，用于确定所述特征波信号在时间-信号强度坐标轴上的位置信息和幅值；

参数向量序列确定模块，用于基于所述关键点的相对位置信息、所述特征波信号的位置信息、所述缩放宽度和所述幅值确定所述心电信号的参数向量序列，所述参数向量序列包括多个用于表征所述特征波信号的参数向量。

第四方面，本发明实施例还提供了一种心电信号参数化模型训练装置，包括：

样本获取模块，用于获取心电信号样本，所述心电信号样本包括多个特征波信号样本；

参数化处理模块，用于将所述心电信号样本输入待训练的心电信号参数化模型中进行处理，得到所述心电信号样本的参数向量序列，心电参数化模型的模型参数包括用于重构所述心电信号样本的多个关键点的相对位置信息，所述参数向量序列包括多个用于表征所述特征波信号样本的参数向量；

重构模块，用于根据所述参数向量序列重构所述心电信号样本，得到重构信号样本；

误差计算模块，用于计算所述心电信号样本与所述重构信号样本的误差；

关键点更新模块，用于根据所述误差更新所述心电参数化模型中所述关键点的相对位置信息。

第五方面，本发明实施例还提供了一种计算机设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明第一方面提供的心电信号参数化方法，或实现如本发明第二方面提供的心电信号参数化模型训练方法。

第六方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明第一方面提供的心电信号参数化方法，或实现如本发明第二方面提供的心电信号参数化模型训练方法。

本发明实施例提供的心电信号参数化方法，包括：获取心电信号，心电信号包括多个特征波信号，获取用于重构心电信号的多个关键点的相对位置信息，计算第一样条波信号的缩放宽度，第一样条波信号为对多个关键点样条插值生成的信号，且在心电信号重构过程中第一样条波信号经平移和缩放得到重构的特征波信号，确定特征波信号在时间-信号强度坐标轴上的位置信息和幅值，基于关键点的相对位置信息、特征波信号的位置信息、缩放宽度和幅值确定心电信号的参数向量序列，参数向量序列包括多个用于表征特征波信号的参数向量。通过将心电信号中的特征波信号参数化，从而可以直接利用这些参数去分析心电信号，临床可解释性好。在后续需要重构心电信号时，只需根据关键点确定第一样条波信号，并根据这些参数调整第一样条波信号得到重构信号。由于无需存储原始的心电图，只需存储参数向量序列，因此，存储的数据量大幅减少，存储成本大幅降低。

附图说明

图1A为本发明实施例一提供的一种心电信号参数化方法的流程图；

图1B为本发明实施例一提供的一个心电信号的结构图；

图2A是本发明实施例二提供的一种心电信号参数化方法的流程图；

图2B为本发明实施例提供生成第一样条波信号的示意图；

图2C为本发明实施例提供的一种确定匹配度序列中的极大值的示意图；

图3为本发明实施例三提供的一种心电信号参数化模型训练方法的流程图；

图4为本发明实施例四提供的一种心电信号参数化模型训练方法的流程图；

图5为本发明实施例五提供的一种心电信号参数化装置的结构示意图；

图6为本发明实施例六提供的一种心电信号参数化模型训练装置的结构示意图；

图7为本发明实施例七提供的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1A为本发明实施例一提供的一种心电信号参数化方法的流程图，本实施例用于将心电信号参数化，该方法可以由本发明实施例提供的心电信号参数化装置来执行，该装置可以由软件和/或硬件的方式实现，通常配置于计算机设备中。如图1A所示，该方法具体包括如下步骤：

S101、获取心电信号，心电信号包括多个特征波信号。

具体的，心脏在搏动前后，心肌发生激动。在心肌激动过程中，会产生微弱的生物电流。这样，心脏的每一个心动周期均伴随着生物电的变化。这种生物电变化可传达到身体表面的各个部位。由于身体各部分组织不同，距心脏的距离不同，心电信号在身体不同的部位所表现出的电位也不同。对正常心脏来说，这种生物电变化的方向、频率、强度是有规律的。若通过电极将体表不同部位的电信号检测出来，再用放大器加以放大，并用记录器描记下来，就可得到心电图(Electrocardiogram，ECG)。

心电图是心脏在每个心动周期中，由起搏点、心房、心室相继兴奋，伴随着生物电的变化，通过心电描记器从体表引出多种形式的电位变化的图形。由于心脏的每次跳动是有规律的，因此心电图中的波形图也是有规律的。心电图中可以完整代表心脏一次心动周期的波形图被称为一个心拍信号。一个ECG记录通常包含上十万个心拍信号，在本发明实施例中，从ECG记录截取至少一个连续的心拍作为心电信号。具体的，心电图可以从用户的心电体检结果中获取。

图1B为本发明实施例一提供的一个心电信号的结构图，参考图1B可见，该心电信号包括一个心拍，一个心拍包括多个特征波信号，例如P波、Q波、R波、S波和T波。通过检测P波、Q波、R波、S波和T波中的一个或多个波的特征，可以在心电图中确定该心电信号。其中，横轴为时间轴，以毫秒为单位，纵轴为心电信号的强度，以电压来表征。在临床中通常将心电信号中T波和S波之间平直段(TS段)延长得到时间轴。

S102、获取用于重构心电信号的多个关键点的相对位置信息。

在本发明具体实施例中，针对每一特征波信号设置有可以用于重构该特征波信号的多个(例如5个)关键点，并确定关键点的相对位置信息。示例性的，在本发明其中一实施例中，相邻的两个关键点在横轴上具有相同的间距，通过各关键点的纵坐标，即可确定多个关键点的相对位置信息。

具体的，在本发明实施例中，关键点的相对位置信息为心电信号参数化模型的模型参数，关键点的相对位置信息可以通过大量心电信号样本训练心电参数化模型进行优化。心电信号参数化模型用于将心电信号参数化，得到用于表征心电信号的不同维度的参数，在该实施例的后续步骤中将详细介绍心电信号参数化模型的处理过程。示例性的，在本发明一具体实施例中，上述参数可以包括心电信号中各特征波信号的幅值、在时间-信号强度坐标轴上的位置信息和用于在后续重构该特征波信号的过程中决定该特征波信号的形状的关键点的相对位置信息等，本发明实施例对表征心电信号的参数类型不做限定，在本发明的其他实施例中，也可以是其他不同维度的参数。

S103、计算第一样条波信号的缩放宽度。

本发明实施例中，第一样条波信号为对多个关键点样条插值生成的信号，且在心电信号重构过程中，基于在时间-信号强度坐标轴上的位置信息对第一样条波信号进行平移，基于特征波信号的幅值和缩放宽度对第一样条波信号进行缩放得到重构的特征波信号。

示例性的，在本发明的其中一实施例中，可以预先设定一个初始宽度，接着基于特征波信号与第一样条波信号的关系对特征波信号和第一样条波信号进行傅里叶-对数坐标变换，求出特征波信号和第一样条波信号的宽度缩放系数，然后基于初始宽度和宽度缩放系数计算缩放宽度。在本发明的其他实施例中，也可以采用其他方法计算缩放宽度，本发明实施例在此不做限定。

S104、确定特征波信号在时间-信号强度坐标轴上的位置信息和幅值。

在本发明实施例中，特征波信号的位置信息包括特征波信号在时间轴上的时间位置信息和特征波信号相对于时间轴的偏置。特征波信号在时间轴上的时间位置信息可以是特征波信号上某一点在时间轴上的位置信息，根据该点的时间位置信息就能确定特征波信号在时间轴上的时间位置信息。特征波信号相对于时间轴的偏置是指特征波信号的均值所在的位置的纵坐标。

S105、基于关键点的相对位置信息、特征波信号的位置信息、缩放宽度和幅值确定心电信号的参数向量序列。

在通过上述步骤得到用于表征特征波信号的多个参数(多个关键点的相对位置信息、特征波信号的位置信息、缩放宽度和幅值)之后，将上述参数组织成向量的形式，得到用于表征该特征波信号的参数向量。将各特征波信号的参数向量按照心电信号中特征波信号的时间顺序排列，得到用于表征心电信号的参数向量序列。

在后续应用过程中，如需要使用该心电信号，只需将参数化的心电信号应用到心电相关的各项任务中，从而可以直接利用这些参数分析心电信号，临床可解释性好。且参数化后心电信号只需基于关键点进行样条插值得到第一样条波信号，然后根据参数向量中的参数调整第一样条波信号，例如调整第一样条波信号的幅值、在时间-信号强度坐标轴上的位置以及信号宽度等，就能重构该心电信号。由于无需存储原始的心电图，只需存储参数向量序列，因此，存储的数据量大幅减少，存储成本大幅降低。

本发明实施例提供的心电信号参数化方法，包括：获取心电信号，心电信号包括多个特征波信号，获取用于重构心电信号的多个关键点的相对位置信息，计算第一样条波信号的缩放宽度，第一样条波信号为对多个关键点样条插值生成的信号，且在心电信号重构过程中第一样条波信号经平移和缩放得到重构的特征波信号，确定特征波信号在时间-信号强度坐标轴上的位置信息和幅值，基于关键点的相对位置信息、特征波信号的位置信息、缩放宽度和幅值确定心电信号的参数向量序列，参数向量序列包括多个用于表征特征波信号的参数向量。通过将心电信号中的特征波信号参数化，从而可以直接利用这些参数去分析心电信号，临床可解释性好。在后续需要重构心电信号时，只需根据关键点确定第一样条波信号，并根据这些参数调整第一样条波信号得到重构信号。由于无需存储原始的心电图，只需存储参数向量序列，因此，存储的数据量大幅减少，存储成本大幅降低。

实施例二

本发明实施例二提供了一种心电信号参数化方法，图2A是本发明实施例二提供的一种心电信号参数化方法的流程图，本实施例在上述实施例一的基础上进行细化，详细描述了心电信号参数化模型的处理过程，如图2A所示，该方法包括如下步骤：

S201、获取心电信号，心电信号包括多个特征波信号。

具体的，在本发明一具体实施例中，一个心电信号包括一个心拍，一个心拍包括多个特征波信号，例如P波、Q波、R波、S波和T波。通过检测P波、Q波、R波、S波和T波中的一个或多个波的特征，可以在心电图中确定该心电信号。

具体的，在本发明的一些实施例中，步骤S201可以包括如下步骤：

获取心电图(ECG)信号。心电图信号可以来自体检结果，通过电极将体表不同部位的电信号检测出来，通过模拟电路对采集的信号进行阻抗匹配、过滤、放大等处理。然后由模数转换器把人体生理参数的模拟信号转化为数字信号，由存储器存储。示例性的，该心电图信号可以是单导联心电图信号，或者多导联心电图信号，单导联电图信号即采集身体一个部位的电信号得到的心电图信号，多导联心电图信号即为采集身体多个部位的电信号得到的心电图信号。本发明实施例对心电图信号的类型不做限定。

对心电图信号进行滤波，得到第一信号。心电图信号是在体表由电极测的低幅低频微弱生理电信号，其幅度通常在0.1mv-5mv之间，能量集中在0.5Hz-40Hz范围内，非常容易受到环境的影响，心电图机通过电极直接采集和记录的心电信号经常会受到各种噪声干扰，常见的干扰有肌电干扰、基线漂移和工频干扰等。如果直接用这些原始信号去做心电图分类，会因为噪声的存在，降低分类的准确率。所以在对心电图信号进行处理前，一般需要对原始信号先进行滤波操作。本发明实施例中，对心电图信号进行滤波，得到第一信号。具体的，通过截止频率0.5Hz，40Hz，40阶的带通滤波器对心电图信号进行滤波处理，去除低频噪声和工频噪声的干扰，得到第一信号。

对第一信号重采样，得到预设采样频率(例如250Hz)的第二信号。

将第二信号切割为预设长度(例如10s)的多个心拍信号。具体的，每个心拍，其中包括preR段(从给定心拍到给定心拍和先前心拍的中点)和proR段(从给定心拍到给定心拍和随后的心拍的中点)。将preR片段和proR片段的长度设为0.1s，如果截取的段的长度超过预设长度，则执行截断。如果截取的段的长度短于预设长度，则将执行零填充。

S202、确定心电信号参数化模型，心电参数化模型的模型参数包括用于重构心电信号的多个关键点的相对位置信息。

具体的，心电信号参数化模型用于将心电信号参数化，得到用于表征心电信号的不同维度的参数。心电参数化模型的模型参数包括用于重构心电信号的多个关键点的相对位置信息，关键点的相对位置信息可以通过大量心电信号样本训练心电参数化模型进行优化。具体的，在本发明具体实施例中，针对每一特征波信号设置有5个关键点，相邻的两个关键点在横轴上具有相同的间距，通过各关键点在纵轴上的位置，即可确定多个关键点的相对位置信息。

S203、对多个关键点进行样条插值，生成幅值为1，均值为0的第一样条波信号。

具体的，对每一特征波信号对应的多个关键点进行样条插值计算，得到幅值为1、均值为0的第一样条波信号。所谓插值，是在离散数据的基础上插补连续函数，使得这条连续曲线经过全部离散点(即多个关键点)，同时也可以估计出函数在其他点的近似值。而样条插值就是每两个点(即关键点)之间确定一个函数，这个函数就是一个样条，函数不同，样条就不同。

示例性的，图2B为本发明实施例提供生成第一样条波信号的示意图，如图2B所示，在本发明的一具体实施例中，对5个关键点进行三次样条插值，生成幅值为1，均值为0的第一样条波信号。其中，相邻的两个关键点之间生成一段三次函数曲线，在关键点处，相邻的两段三次函数曲线二阶连续，即相邻的两段三次函数曲线平滑过渡。

S204、计算第一样条波信号的缩放宽度。

如前文所述，第一样条波信号为对多个关键点样条插值生成的信号，且在心电信号重构过程中，基于在时间-信号强度坐标轴上的位置信息对第一样条波信号进行平移，基于特征波信号的幅值和缩放宽度对第一样条波信号进行缩放得到重构的特征波信号。

在本发明的一些实施例中，步骤S204包括如下子步骤：

S2041、设定初始宽度。

具体的，初始宽度记为T，其可以由人为设定，例如，初始宽度T设为1s。

S2042、对特征波信号和第一样条波信号进行傅里叶-对数坐标变换，求出特征波信号和第一样条波信号的宽度缩放系数。

具体的，特征波信号和第一样条波信号的宽度缩放系数的计算过程如下：

1、分别对特征波信号和第一样条波信号进行傅里叶变换，得到特征波信号的频谱与第一样条波信号的频谱。

具体的，记待参数化的特征波信号为f(t)，记第一样条波信号为g(t)，假设特征波信号为f(t)和第一样条波信号为g(t)满足以下公式：

f(t)＝αg(λt-Δt) (1)

其中，f(t)为特征波信号，g(t)为第一样条波信号，α为幅值缩放系数，λ为宽度缩放系数，Δt为平移系数。

对(1)式中特征波信号f(t)和第一样条波信号g(t)分别做傅里叶变换，得到特征波信号的频谱与第一样条波信号的频谱的关系，变换过程如下：

其中，F(ω)为特征波信号的频谱，G(ω)第一样条波信号的频谱，ω为角频率。

2、分别计算特征波信号的频谱的第一幅度谱和第一样条波信号的频谱的第二幅度谱，得到第一幅度谱与所述第二幅度谱。

具体的，计算(2)中特征波信号的频谱F(ω)的幅度谱作为第一幅度谱，计算上式中第一样条波信号的频谱G(ω)的幅度谱作为第二幅度谱，得到第一幅度谱与所述第二幅度谱，第一幅度谱与所述第二幅度谱的关系为：

其中，M_F(ω)为第一幅度谱，M_G(ω)为第二幅度谱。幅度谱为频谱中实部与虚部的平方和的二次根。

3、分别将第一幅度谱和第二幅度谱由角频率-宽度缩放系数坐标系转换到角频率-宽度缩放系数的对数坐标系，得到第三幅度谱和第四幅度谱。

具体的，将(3)式中由角频率-宽度缩放系数坐标系转换到角频率-宽度缩放系数的对数坐标系，转换后的(3)式变为：

令u＝lgω，Δu＝lgλ，代入(4)式可得：

其中，M_F(u)为第三幅度谱，M_G(u)为第四幅度谱。

4、分别对第三幅度谱和第四幅度谱进行傅里叶变换，得到第三幅度谱的频谱和第四幅度谱的频谱。

对(5)式中的第三幅度谱和第四幅度谱进行傅里叶变换，得到第三幅度谱的频谱和第四幅度谱的频谱的关系如下：

其中，Ω_MF(v)为第三幅度谱的频谱，Ω_MG(v)为第四幅度谱的频谱。

5、计算第三幅度谱的频谱和第四幅度谱的频谱的互功率谱。

基于(5)式，可以求得第三幅度谱的频谱和第四幅度谱的频谱的关系如下：

其中，所述为Ω_MG(v)的共轭频谱，为互功率谱。

6、对互功率谱进行傅里叶逆变换得到关于宽度缩放系数的对数为变量的冲激函数。

对(6)式中求得的互功率谱进行傅里叶逆变换，得到关于宽度缩放系数的对数为变量的冲激函数，如下：

其中，δ(u-Δu)为平移了Δu的冲激函数。冲激函数是个奇异函数，它是对强度极大、作用时间极短暂且积分有限的一类理想化数学模型。

7、基于冲激函数的极大值确定宽度缩放系数。

具体的，通过搜寻冲激函数的极大值的位置，可求得Δu，又因为Δu＝lgλ，则可求得宽度缩放系数λ，宽度缩放系数λ计算公式如下：

λ＝10^Δu (9)

S2043、计算初始宽度与宽度缩放系数的商，得到缩放宽度。

在计算出宽度缩放系数λ之后，将初始宽度T除以宽度缩放系数λ，得到第一样条波信号待缩放的缩放宽度，即T/λ。

S205、计算特征波信号在时间轴上的时间位置信息。

特征波信号在时间轴上的时间位置信息可以是特征波信号上某一点在时间轴上的位置信息，根据该点的位置信息就能确定特征波信号在时间轴上的时间位置信息。

在本发明一具体实施例中，通过计算特征波信号与第一样条波信号缩放后得到的第二样条波信号的匹配度来确定特征波信号在时间轴上的时间位置信息。具体步骤如下：

S2051、将第一样条波信号缩放至缩放宽度，得到第二样条波信号。

具体的，在求出第一样条波信号的缩放宽度后，将第一样条波信号缩放至该缩放宽度，得到第二样条波信号。需要说明的是，这里所述的缩放是将第一样条波信号沿时间轴方向缩放，而在垂直于时间轴方向不变。

S2052、计算第二样条波信号与特征波信号的匹配度。

具体的，匹配度用于表征特征波信号模板和特征波信号之间的误差或两者波形的相似度，匹配度越大，误差越小或相似度越大。

具体的，上述步骤S2052可以包括如下子步骤：

1、计算第二样条波信号与特征波信号的相关系数作为匹配度序列。

相关系数用于表征特征波信号模板与特征波信号之间的相关程度。示例性的，在本发明一实施例中采用皮尔逊相关系数来表征特征波信号模板与特征波信号之间的相关程度。

具体的，从特征波信号中选取若干点，示例性的，可以是前述插值过程中插入的点。将这些点的纵坐标值与特征波信号模板上位置对应的点的纵坐标值作为两个变量X(x₁，x₂…x_n)、Y(y₁，y₂…y_n)，然后按照以下公式计算这两个变量的皮尔逊相关系数：

其中，p_X，Y为X、Y的皮尔逊相关系数，cov(X,Y)为X、Y的协方差，δ_X为X的标准差，δ_Y为Y的标准差，x_u为X的平均数，y_u为Y的平均数。

通过上述计算，得到两个变量X、Y之间的皮尔逊相关系数序列，皮尔逊相关系数序列包括多个皮尔逊相关系数。皮尔逊相关系数是一个介于-1和1之间的值，当两个变量的线性关系增强时，相关系数趋于1或-1。例如，当一个变量增大，另一个变量也增大时，表明它们之间是正相关的，相关系数大于0；如果一个变量增大，另一个变量却减小，表明它们之间是负相关的，相关系数小于0；如果相关系数等于0，表明它们之间不存在线性相关关系。将皮尔逊相关系数序列作为特征波信号模板与特征波信号之间的匹配度序列，每一个皮尔逊相关系数即为x_i和y_i的匹配度。

需要说明的是，上述通过计算特征波信号模板与特征波信号之间的皮尔逊相关系数作为匹配度序列为对本发明的示例性说明而非限定，在本发明的其他实施例中，也可以计算特征波信号模板与特征波信号之间的Cosine相似度、欧式距离的平方等方式作为匹配度序列，本发明实施例在此不再赘述。

2、确定匹配度序列中的极大值。

具体的，从上述匹配度序列中的各匹配度中筛选出极大值。示例性的，在本发明一实施例中，基于滑动窗口算法确定匹配度序列中的局部极大值，并对滑动窗口内的匹配度序列进行非极大值抑制。

图2C为本发明实施例提供的一种确定匹配度序列中的极大值的示意图，示例性的，如图2C所示，前述步骤中得到的匹配度序列为0.5、0.7、0.9、0.7、0.2、0.1、0.1、0.7、0.4、0.2。需要说明的是，该匹配度序列为一示例性说明，在本发明其他实施例中，匹配度序列可以包括更多的匹配度数值。

使用一个滑动窗口滑过该匹配度序列，滑动窗口的宽度至少大于两个匹配度的宽度，示例性的，在本发明实施例中，滑动窗口的宽度与标准化的特征波信号模板中的预设宽度相等。滑动窗口滑过匹配度序列上某一区域时，求出该区域中的局部极大值，同时进行非极大值抑制，降低滑动窗口内的非极大值(如降为0.1)。例如，滑动窗口经过0.7、0.4、0.2所在的区域时，确定该区域的局部极大值为0.7，并将该区域的非极大值修改为0.1。以此类推，滑过匹配度序列后得到的局部极大值序列0.1、0.1、0.9、0.1、0.1、0.1、0.1、0.7、0.1、0.1，该序列中的0.9和0.7即为找到的局部极大值。

非极大值抑制，可以提高后续确定特征波信号的位置信息过程的效率和特征波信号的位置信息的准确性。

3、将极大值作为第二样条波信号与特征波信号的匹配度。

具体的，将上述步骤中得到的多个局部极大值与预先设定好的阈值(如0.8)作比较，并将高于阈值的极大值(比如0.9)作为第二样条波信号与特征波信号的匹配度，第二样条波信号与特征波信号的匹配度为参数化向量中的一个参数。

S2053、基于匹配度确定特征波信号在时间轴上的时间位置信息。

具体的，在本发明其中一个实施例中，将前述步骤中，滑动窗口在滑动过程中，会记录局部极大值的位置，并将最大的局部极大值(即0.9)所在的位置作为特征波信号的时间位置信息。

现有技术中，对于缩放宽度这个参数采用的是人为根据医学先验知识设定的方法，根据医学先验知识得到的特征波形宽度是一个范围。为了保证数据精度，在计算匹配度时需要先在该范围内的采样出一组宽度参数，然后依次用每一个宽度参数去计算特征波信号的时间位置信息，从中筛选出最优的值或多个值进行均值化，从而无法兼顾参数精度和运算速度。本发明实施例中，基于特征波信号与第一样条波信号的关系对特征波信号和第一样条波信号进行傅里叶-对数坐标变换，计算第一样条波信号的缩放宽度，从而提高心电参数化算法的精度和速度，并保留了良好的临床可解释性。

S206、计算特征波信号的幅值和特征波信号相对于时间轴的偏置。

具体的，特征波信号的幅值是指特征波信号的最高点与最低点之间纵坐标的差值，即指特征波信号上最大电压值与最小电压值的差值。特征波信号相对于时间轴的偏置是指特征波信号的均值所在的位置的纵坐标。

本发明实施例基于最小二乘法计算特征波信号的幅值和特征波信号相对于时间轴的偏置。具体的，设特征波信号的拟合函数为f(x)＝ax+b，取特征波信号上的若干个点，这些点的横坐标值为x_i，取原信号对应位置上的点，这些点的纵坐标值为y_i，对应的拟合函数的函数值为f(x_i)，采用最小二乘法计算两者的差的平方和，具体公式如下：

通过迭代计算使得上式达到最小值时拟合函数f(x)的参数，即得到特征波信号的幅值a和特征波信号相对于时间轴的偏置b。

S207、基于关键点的相对位置信息、特征波信号的位置信息、缩放宽度和幅值确定心电信号的参数向量序列。

在通过上述步骤得到用于表征特征波信号的多个参数(多个关键点的相对位置信息、特征波信号的位置信息、缩放宽度和幅值)之后，将上述参数组织成向量的形式，得到用于表征该特征波信号的参数向量。将各特征波信号的参数向量按照心电信号中特征波信号的时间顺序排列，得到用于表征心电信号的参数向量序列。示例性的，参数向量序列的结构如下表所示：

参数向量1	参数向量2	…	参数向量N
				匹配度1	匹配度2	…	匹配度N
位置信息1	位置信息2	…	位置信息N
				预设宽度1	预设宽度2	…	预设宽度N
幅值1	幅值2	…	幅值N
				偏置1	偏置2	…	偏置N
关键点11	关键点21	…	关键点N1
				关键点12	关键点22	…	关键点N2
…	…	…	…
				关键点1n	关键点2n	…	关键点Nn

具体的，第一个参数向量1用于表征心电信号中的第一个特征波信号，以此类推，第N个参数向量N用于表征心电信号中的第N个特征波信号。

本发明实施例提供的心电信号参数化方法，通过将心电信号中的特征波信号参数化为包括多个关键点的相对位置信息的不同维度的参数，从而可以直接利用这些参数区分析心电信号，临床可解释性好。在后续需要重构心电信号时，只需根据关键点确定第一样条波信号，并根据这些参数调整各第一样条波信号得到重构信号。由于无需存储原始的心电图，只需存储参数向量序列，因此，存储的数据量大幅减少，存储成本大幅降低。基于特征波信号与第一样条波信号的关系对特征波信号和第一样条波信号进行傅里叶-对数坐标变换，进而计算第一样条波信号的缩放宽度，相对于基于先验知识人为指定预设宽度，提高了心电信号参数化的精度和运算速度，并保留了良好的临床可解释性。通过计算特征波信号与第一样条波信号缩放后得到的第二样条波信号的匹配度来确定特征波信号在时间轴上的时间位置信息，以及利用最小二乘法计算特征波信号的幅值和特征波信号相对于时间轴的偏置，相较以往直接在特征波形上测量的方法，其抗离群点干扰的能力大大提升，即使在带噪信号上也能得到较为精确的参数结果。

实施例三

图3为本发明实施例三提供的一种心电信号参数化模型训练方法的流程图，本实施例可用于本发明上述实施例提供的心电参数化模型训练，以优化模型中关键点的相对位置信息，该方法可以由本发明实施例提供的心电参数化模型训练装置来执行，该装置可以由软件和/或硬件的方式实现，通常配置于计算机设备中。如图3所示，该方法具体包括如下步骤：

S301、获取心电信号样本，心电信号样本包括多个特征波信号样本。

具体的，心电信号样本为用于训练心电信号参数化模型的心电信号，心电信号样本可从其它相应体检结果中获取，也可以选择从现有的数据库例如从欧共体心电图波形数据库(CSE)中获取。具体的，从数据库中获取ECG样本，ECG样本中从第一个心拍信号开始，截取连续的预设数量(至少一个)的心拍信号，以此类推，将ECG分割成多组心电信号样本，当最后一组心电信号样本的心拍信号的数量少于预设数量时，将执行零填充。具体的，对心电信号样本的处理与前述实施例中对心电信号的处理类似，本发明实施例在此不再赘述。

S302、将心电信号样本输入待训练的心电信号参数化模型中进行处理，得到心电信号样本的参数向量序列。

具体的，在本发明实施例中，心电信号参数化模型用于将心电信号样本参数化，得到用于表征心电信号样本的不同维度的参数。心电参数化模型的模型参数包括用于重构心电信号的多个关键点的相对位置信息，关键点的相对位置信息可以通过大量心电信号样本训练心电参数化模型进行优化。具体的，在本发明具体实施例中，针对每一特征波信号设置有5个关键点，相邻的两个关键点在横轴上具有相同的间距，通过各关键点在纵轴上的位置，即可确定多个关键点的相对位置信息。刚建立模型时，关键点的相对位置信息为随机生成的，即随机生成关键点的纵坐标的值。

具体的，心电信号参数化模型对心电信号样本的处理过程可以参考本发明前述实施例中心电信号参数化模型对心电信号的处理过程，本发明实施例在此不再赘述。心电参数化模型的模型参数包括用于重构心电信号样本的多个关键点的相对位置信息，参数向量序列包括多个用于表征特征波信号样本的参数向量。参数向量中可以包括多个关键点的相对位置信息、特征波信号的位置信息、缩放宽度和幅值。

S303、根据参数向量序列重构心电信号样本，得到重构信号样本。

具体的，将参数向量序列中的各参数向量重构，得到重构的特征波信号样本，并将重构的特征波信号样本按照时间的先后顺序进行拼接，得到重构信号样本。

S304、计算心电信号样本与重构信号样本的误差。

具体的，从心电信号样本中选取若干点，计算这些点的纵坐标值与重构信号样本上位置对应的点的纵坐标值的均方误差。示例性的，假设心电信号样本中采样点的纵坐标值为重构信号样本上对应的采样点的纵坐标值为y_i，则通过计算心电信号样本与重构信号样本的均方误差作为两则的误差，计算公式如下：

需要说明的是，本实施例中通过计算心电信号样本与重构信号样本的均方误差作为两者的误差，在本发明其他实施例中，也可以通过计算心电信号样本与重构信号样本的均方根误差、平均绝对误差作为两者的误差，本发明实施例在此不做限定。

S305、根据误差更新心电参数化模型中关键点的相对位置信息。

具体的，将得到的误差与预设误差进行比较，当计算得到的误差大于预设误差时，对心电信号参数化模型中的关键点的相对位置信息进行更新，并返回执行S301、获取心电信号样本的步骤，如此迭代，直至计算得到的误差小于或等于预设误差时，确定心电参数化模型训练完成。

在更新关键点的相对位置信息时，由于相邻的两个关键点在在横轴上具有相同的间距且恒定不变，只需要更新关键点的纵坐标值即可。

具体的，以关键点的纵坐标值作为是需要优化的参数，计算得到的误差作为目标函数，然后用梯度下降法寻找使得误差小于或等于预设误差的关键点的纵坐标值。

本发明实施例提供的心电参数化模型训练方法，包括：获取心电信号样本，心电信号样本包括多个特征波信号样本，将心电信号样本输入待训练的心电信号参数化模型中进行处理，得到心电信号样本的参数向量序列，根据参数向量序列重构心电信号样本，得到重构信号样本，计算心电信号样本与重构信号样本的误差，根据误差更新心电参数化模型中关键点的相对位置信息。本发明实施例中，心电信号样本无需标注，使用无标注的心电信号样本进行自监督训练，节省了标注成本。

实施例四

图4为本发明实施例四提供的一种心电信号参数化模型训练方法的流程图，本实施例在上述实施例三的基础上进行细化，详细描述了根据参数向量序列重构心电信号样本，得到重构信号样本的具体过程，如图4所示，该方法包括如下步骤：

S401、获取心电信号样本，心电信号样本包括多个特征波信号样本。

具体的，心电信号样本的获取过程在前述实施例中已有详细记载，本发明实施例在此不再赘述。

S402、将心电信号样本输入待训练的心电信号参数化模型中进行处理，得到心电信号样本的参数向量序列。

心电参数化模型的模型参数包括用于重构心电信号样本的多个关键点的相对位置信息，参数向量序列包括多个用于表征特征波信号样本的参数向量。具体的，参数向量中的参数包括关键点的相对位置信息、匹配度、幅值、偏置、缩放宽度以及特征波信号样本的位置信息。具体的，心电信号参数化模型对心电信号样本的处理过程可以参考本发明前述实施例中心电信号参数化模型对心电信号的处理过程，在此不再赘述。

S403、对每一参数向量中的多个关键点进行样条插值，生成幅值为1，均值为0的第三样条波信号。

示例性的，在本发明一具体的实施例中，对每一参数向量中的多个关键点进行三次样条插值，生成幅值为1，均值为0的第三样条波信号。其中，相邻的两个关键点之间生成一段三次函数曲线，在关键点处，相邻的两段三次函数曲线二阶连续，即相邻的两段三次函数曲线平滑过渡。

S404、根据参数向量中的幅值、位置信息和缩放宽度调整多个第三样条波信号的幅值、位置和宽度，得到重构的重构信号样本。

具体的，在其中一实施例中，可以将第三样条波信号缩放至缩放宽度，得到第四样条波信号。需要说明的是，这里所述的缩放是将第三样条波信号沿时间轴方向缩放，而在垂直于时间轴方向不变。接着，根据参数向量中特征波信号样本的幅值对第四样条波信号等比例缩放，得到重构特征波信号样本。然后，根据参数向量中特征波信号样本的位置信息确定重构特征波信号样本在时间-信号强度坐标轴上的位置，得到重构信号样本。具体的，参数向量中的位置信息包括特征波信号在时间轴(横轴)上的时间位置信息和特征波信号相对与时间轴的偏置，根据参数向量中特征波信号样本的位置信息确定重构特征波信号样本在时间轴(横轴)上的位置，根据参数向量中的偏置确定重构特征波信号样本在电压轴(纵轴)上的位置，得到重构特征波信号样本。

具体的，在上述步骤S405中，在确定各重构特征波信号样本在时间轴上的位置时，判断相邻的两个重构特征波信号样本在时间轴上是否有交叠，若是，则将相邻的两个重构特征波信号样本中匹配度较小的重构特征波信号样本的交叠部分去除，保留匹配度较高的重构特征波信号样本的交叠部分，得到重构信号样本，从而减小重构信号样本与心电信号之间的误差。

在本发明的另一实施例中，当相邻的两个重构特征波信号样本在时间轴上有交叠时，也可以基于对交叠部分加权求和的方式确定交叠部分的波形信号。示例性的，其中第一个特征波信号样本的匹配度为0.9，第二个特征波信号样本的匹配度为0.8，则第一个特征波信号样本对应的第一权值为0.9/(0.9+0.8)，第二个特征波信号样本对应的第二权值为0.8/(0.9+0.8)。将第一个特征波信号样本的交叠部分的纵坐标乘以第一权值得到第一加权信号，第二个特征波信号样本的交叠部分的纵坐标乘以第二权值得到第二加权信号，然后将第一加权信号与第二加权信号相加作为重构信号样本在交叠部分的信号。

在后续的应用过程中，如果需要重构心电信号，同样对参数向量中的多个关键点进行样条插值，生产光滑的样条波信号，并基于匹配度对样条波信号进行调整进而得到光滑的重构信号。因此，即使原始的心电信号存在噪声，在经过参数化以及重构后，也能得到光滑的重构信号，降低了噪声对分析结果的影响，提高了分析结果的准确性。

S405、计算心电信号样本与重构信号样本的误差。

具体的，从心电信号样本中选取若干点，计算这些点的纵坐标值与重构信号样本上位置对应的点的纵坐标值的均方误差。

S406、根据误差更新心电参数化模型中关键点的相对位置信息。

具体的，将得到的误差与预设误差进行比较，当计算得到的误差大于预设误差时，对心电信号参数化模型中的关键点的相对位置信息进行更新，并返回执行S401、获取心电信号样本的步骤，如此迭代，直至计算得到的误差小于或等于预设误差时，确定心电参数化模型训练完成。

在更新关键点的相对位置信息时，由于相邻的两个关键点在在横轴上具有相同的间距且恒定不变，只需要更新关键点的纵坐标值即可。

具体的，以关键点的纵坐标值作为是需要优化的参数，计算得到的误差作为目标函数，然后用梯度下降法寻找使得误差小于或等于预设误差的关键点的纵坐标值。

本发明实施例提供的心电参数化模型训练方法，包括：获取心电信号样本，心电信号样本包括多个特征波信号样本，将心电信号样本输入待训练的心电信号参数化模型中进行处理，得到心电信号样本的参数向量序列，根据参数向量序列重构心电信号样本，得到重构信号样本，计算心电信号样本与重构信号样本的误差，根据误差更新心电参数化模型中关键点的相对位置信息。本发明实施例中，心电信号样本无需标注，使用无标注的心电信号样本进行自监督训练，节省了标注成本。此外，在后续的应用过程中，即使原始的心电信号存在噪声，在经过参数化以及重构后，也能基于匹配度得到光滑的重构信号，降低了噪声对分析结果的影响，提高了分析结果的准确性。

实施例五

图5为本发明实施例五提供的一种心电信号参数化装置的结构示意图，如图5所示，该装置包括：

心电信号获取模块501，用于获取心电信号，所述心电信号包括多个特征波信号；

关键点信息获取模块502，用于获取用于重构所述心电信号的多个关键点的相对位置信息；

缩放宽度确定模块503，用于基于特征波信号与第一样条波信号的关系对所述特征波信号进行傅里叶-对数坐标变换，确定缩放宽度，所述第一样条波信号经平移和缩放得到所述特征波信号；

位置幅值确定模块504，用于确定所述特征波信号在时间-信号强度坐标轴上的位置信息和幅值；

参数向量序列确定模块505，用于基于所述关键点的相对位置信息、所述特征波信号的位置信息、所述缩放宽度和所述幅值确定所述心电信号的参数向量序列，所述参数向量序列包括多个用于表征所述特征波信号的参数向量。

在本发明的一些实施例中，缩放宽度确定模块503包括：

初始宽度设定子模块，用于设定初始宽度；

宽度缩放系数确定子模块，用于对特征波信号和第一样条波信号进行傅里叶-对数坐标变换，求出特征波信号和第一样条波信号的宽度缩放系数；

缩放宽度计算子模块，用于计算所述初始宽度与所述宽度缩放系数的商，得到缩放宽度。

在本发明的一些实施例中，宽度缩放系数确定子模块包括：

信号频谱计算单元，用于分别对所述特征波信号和所述第一样条波信号进行傅里叶变换，得到所述特征波信号的频谱与所述第一样条波信号的频谱；

幅度谱计算单元，用于分别计算所述特征波信号的频谱的第一幅度谱和所述第一样条波信号的频谱的第二幅度谱，得到所述第一幅度谱与所述第二幅度谱；

对数坐标变换单元，用于分别将所述第一幅度谱和所述第二幅度谱由角频率-宽度缩放系数坐标系转换到角频率-宽度缩放系数的对数坐标系，得到第三幅度谱和第四幅度谱；

幅度谱频谱计算单元，用于分别对所述第三幅度谱和所述第四幅度谱进行傅里叶变换，得到所述第三幅度谱的频谱和所述第四幅度谱的频谱；

互功率谱计算单元，用于计算所述第三幅度谱的频谱和所述第四幅度谱的频谱的互功率谱；

冲激函数确定单元，用于对所述互功率谱进行傅里叶逆变换得到关于宽度缩放系数的对数为变量的冲激函数；

宽度缩放系数确定单元，用于基于所述冲激函数的极大值确定所述宽度缩放系数。

在本发明的一些实施例中，位置幅值确定模块504包括：

时间位置信息计算子模块，用于计算所述特征波信号在时间轴上的时间位置信息；

偏置计算子模块，用于计算所述特征波信号的幅值和所述特征波信号相对于时间轴的偏置。

在本发明的一些实施例中，时间位置信息计算子模块包括：

第一样条波信号生成单元，用于对多个关键点进行样条插值，生成幅值为1，均值为0的第一样条波信号；

第二样条波信号生成单元，用于将所述第一样条波信号缩放至缩放宽度，得到第二样条波信号；

匹配度计算单元，用于计算所述第二样条波信号与所述特征波信号的匹配度；

时间位置信息确定单元，用于基于所述匹配度确定所述特征波信号在时间轴上的时间位置信息。

在本发明的一些实施例中，匹配度计算单元包括：

匹配度序列计算子单元，用于计算所述第二样条波信号与所述特征波信号的相关系数作为匹配度序列；

极大值确定子单元，用于确定所述匹配度序列中的极大值；

匹配度确定子单元，用于将所述极大值作为所述第二样条波信号与所述特征波信号的匹配度。

在本发明的一些实施例中，时间位置信息确定单元用于：

确定所述极大值所在的位置作为所述特征波信号的时间位置信息。

上述心电信号参数化装置可执行本发明任意实施例所提供的心电信号参数化方法，具备执行方法相应的功能模块和有益效果。

实施例六

图6为本发明实施例六提供的一种心电信号参数化模型训练装置的结构示意图，如图6所示，该装置包括：

样本获取模块601，用于获取心电信号样本，所述心电信号样本包括多个特征波信号样本；

参数化处理模块602，用于将所述心电信号样本输入待训练的心电信号参数化模型中进行处理，得到所述心电信号样本的参数向量序列，心电参数化模型的模型参数包括用于重构所述心电信号样本的多个关键点的相对位置信息，所述参数向量序列包括多个用于表征所述特征波信号样本的参数向量；

重构模块603，用于根据所述参数向量序列重构所述心电信号样本，得到重构信号样本；

误差计算模块604，用于计算所述心电信号样本与所述重构信号样本的误差；

关键点更新模块605，用于根据所述误差更新所述心电参数化模型中所述关键点的相对位置信息。

在本发明的一些实施例中，重构模块603包括：

第三样条波信号生成子模块，用于对每一参数向量中的多个关键点进行样条插值，生成幅值为1，均值为0的第三样条波信号；

重构子模块，用于根据所述参数向量中的幅值、位置信息和缩放宽度调整多个所述第三样条波信号的幅值、位置和宽度，得到重构的重构信号样本。

在本发明的一些实施例中，重构子模块包括：

第四样条波信号生成单元，用于将所述第三样条波信号缩放至缩放宽度，得到第四样条波信号；

重构特征波信号样本确定单元，用于根据所述参数向量中的幅值调整所述第四样条波信号的幅值，得到重构特征波信号样本；

重构信号样本确定单元，用于根据所述参数向量中特征波信号样本的位置信息确定所述重构特征波信号样本在时间-信号强度坐标轴上的位置，得到重构信号样本。

上述心电信号参数化模型训练装置可执行本发明任意实施例所提供的心电信号参数化模型训练方法，具备执行方法相应的功能模块和有益效果。

实施例七

本发明实施例七提供了一种计算机设备，图7为本发明实施例七提供的一种计算机设备的结构示意图，如图7所示，该计算机设备包括处理器701、存储器702、通信模块703、输入装置704和输出装置705；计算机设备中处理器701的数量可以是一个或多个，图7中以一个处理器701为例；计算机设备中的处理器701、存储器702、通信模块703、输入装置704和输出装置705可以通过总线或其他方式连接，图7中以通过总线连接为例。上述处理器701、存储器702、通信模块703、输入装置704和输出装置705可以集成在计算机设备的控制主板上。

存储器702作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本实施例中的心电信号参数化方法或心电信号参数化模型训练方法对应的模块。处理器701通过运行存储在存储器702中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述实施例提供的心电信号参数化方法或心电信号参数化模型训练方法。

存储器702可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器702可进一步包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

通信模块703，用于与外界设备(例如智能终端)建立连接，并实现与外界设备的数据交互。输入装置704可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。

本实施例提供的一种计算机设备，可执行本发明上述任意实施例提供的心电信号参数化方法或心电信号参数化模型训练方法，具体相应的功能和有益效果。

实施例八

本发明实施例八提供了一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明上述任意实施例提供的心电信号参数化方法或心电信号参数化模型训练方法。

获取心电信号，所述心电信号包括多个特征波信号；

获取用于重构所述心电信号的多个关键点的相对位置信息；

计算第一样条波信号的缩放宽度，所述第一样条波信号为对多个关键点样条插值生成的信号，且在心电信号重构过程中第一样条波信号经平移和缩放得到重构的特征波信号；

确定所述特征波信号在时间-信号强度坐标轴上的位置信息和幅值；

基于所述关键点的相对位置信息、所述特征波信号的位置信息、所述缩放宽度和所述幅值确定所述心电信号的参数向量序列，所述参数向量序列包括多个用于表征所述特征波信号的参数向量。

心电信号参数化模型训练方法，包括：

获取心电信号样本，所述心电信号样本包括多个特征波信号样本；

将所述心电信号样本输入待训练的心电信号参数化模型中进行处理，得到所述心电信号样本的参数向量序列，心电参数化模型的模型参数包括用于重构所述心电信号样本的多个关键点的相对位置信息，所述参数向量序列包括多个用于表征所述特征波信号样本的参数向量；

根据所述参数向量序列重构所述心电信号样本，得到重构信号样本；

计算所述心电信号样本与所述重构信号样本的误差；

根据所述误差更新所述心电参数化模型中所述关键点的相对位置信息。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明实施例所提供的心电信号参数化方法或心电信号参数化模型训练方法中的相关操作。

需要说明的是，对于装置、设备和存储介质实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明任意实施例所述的心电信号参数化方法或心电信号参数化模型训练方法。

值得注意的是，上述装置中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (12)

1.一种心电信号参数化方法，其特征在于，由心电信号参数化模型实现，方法包括：

获取心电信号，所述心电信号包括多个特征波信号；

获取用于重构所述心电信号的多个关键点的相对位置信息，其中，相邻的两个关键点在横轴上具有相同的间距，通过各关键点的纵坐标，即可确定多个关键点的相对位置信息，横轴为时间轴，纵轴为心电信号的强度轴；

计算第一样条波信号的缩放宽度，所述第一样条波信号为对多个关键点样条插值生成的信号，且在心电信号重构过程中第一样条波信号经平移和缩放得到重构的特征波信号；

确定所述特征波信号在时间-信号强度坐标轴上的位置信息和幅值；

基于所述关键点的相对位置信息、所述特征波信号的位置信息、所述缩放宽度和所述幅值确定所述心电信号的参数向量序列，所述参数向量序列包括多个用于表征所述特征波信号的参数向量；

计算第一样条波信号的缩放宽度，包括：

设定初始宽度；

对特征波信号和第一样条波信号进行傅里叶-对数坐标变换，求出特征波信号和第一样条波信号的宽度缩放系数；

计算所述初始宽度与所述宽度缩放系数的商，得到缩放宽度；

对特征波信号和第一样条波信号进行傅里叶-对数坐标变换，求出特征波信号和第一样条波信号的宽度缩放系数，包括：

分别对所述特征波信号和所述第一样条波信号进行傅里叶变换，得到所述特征波信号的频谱与所述第一样条波信号的频谱；

分别计算所述特征波信号的频谱的第一幅度谱和所述第一样条波信号的频谱的第二幅度谱，得到所述第一幅度谱与所述第二幅度谱；

分别将所述第一幅度谱和所述第二幅度谱由角频率-宽度缩放系数坐标系转换到角频率-宽度缩放系数的对数坐标系，得到第三幅度谱和第四幅度谱；

分别对所述第三幅度谱和所述第四幅度谱进行傅里叶变换，得到所述第三幅度谱的频谱和所述第四幅度谱的频谱；

计算所述第三幅度谱的频谱和所述第四幅度谱的频谱的互功率谱；

对所述互功率谱进行傅里叶逆变换得到关于宽度缩放系数的对数为变量的冲激函数；

基于所述冲激函数的极大值确定所述宽度缩放系数。

2.根据权利要求1所述的心电信号参数化方法，其特征在于，确定所述特征波信号在时间-信号强度坐标轴上的位置信息和幅值，包括：

计算所述特征波信号在时间轴上的时间位置信息；

计算所述特征波信号的幅值和所述特征波信号相对于时间轴的偏置。

3.根据权利要求2所述的心电信号参数化方法，其特征在于，计算所述特征波信号在时间轴上的时间位置信息，包括：

对多个关键点进行样条插值，生成幅值为1，均值为0的第一样条波信号；

将所述第一样条波信号缩放至缩放宽度，得到第二样条波信号；

计算所述第二样条波信号与所述特征波信号的匹配度；

基于所述匹配度确定所述特征波信号在时间轴上的时间位置信息。

4.根据权利要求3所述的心电信号参数化方法，其特征在于，计算所述第二样条波信号与所述特征波信号的匹配度，包括：

计算所述第二样条波信号与所述特征波信号的相关系数作为匹配度序列；

确定所述匹配度序列中的极大值；

将所述极大值作为所述第二样条波信号与所述特征波信号的匹配度。

5.根据权利要求4所述的心电信号参数化方法，其特征在于，所述确定所述特征波信号在时间轴上的时间位置信息，包括：

确定所述极大值所在的位置作为所述特征波信号的时间位置信息。

6.一种心电信号参数化模型训练方法，其特征在于，心电信号参数化模型用于实现如权利要求1-5任一所述的心电信号参数化方法，心电信号参数化模型训练方法包括：

获取心电信号样本，所述心电信号样本包括多个特征波信号样本；

将所述心电信号样本输入待训练的心电信号参数化模型中进行处理，得到所述心电信号样本的参数向量序列，心电参数化模型的模型参数包括用于重构所述心电信号样本的多个关键点的相对位置信息，所述参数向量序列包括多个用于表征所述特征波信号样本的参数向量；

根据所述参数向量序列重构所述心电信号样本，得到重构信号样本；

计算所述心电信号样本与所述重构信号样本的误差；

根据所述误差更新所述心电参数化模型中所述关键点的相对位置信息。

7.根据权利要求6所述的心电信号参数化模型训练方法，其特征在于，所述参数向量包括所述特征波信号样本的幅值、所述特征波信号样本的位置信息和所述特征波信号样本的缩放宽度，所述根据所述参数向量序列重构所述心电信号样本，得到重构信号样本，包括：

对每一参数向量中的多个关键点进行样条插值，生成幅值为1，均值为0的第三样条波信号；

根据所述参数向量中的幅值、位置信息和缩放宽度调整多个所述第三样条波信号的幅值、位置和宽度，得到重构的重构信号样本。

8.根据权利要求7所述的心电信号参数化模型训练方法，其特征在于，根据所述参数向量中的幅值、位置信息和缩放宽度调整多个所述第三样条波信号的幅值、位置和宽度，得到重构的重构信号样本，包括：

将所述第三样条波信号缩放至缩放宽度，得到第四样条波信号；

根据所述参数向量中的幅值调整所述第四样条波信号的幅值，得到重构特征波信号样本；

根据所述参数向量中特征波信号样本的位置信息确定所述重构特征波信号样本在时间-信号强度坐标轴上的位置，得到重构信号样本。

9.一种心电信号参数化装置，其特征在于，包括：

心电信号获取模块，用于获取心电信号，所述心电信号包括多个特征波信号；

关键点信息获取模块，用于获取用于重构所述心电信号的多个关键点的相对位置信息，其中，相邻的两个关键点在横轴上具有相同的间距，通过各关键点的纵坐标，即可确定多个关键点的相对位置信息，横轴为时间轴，纵轴为心电信号的强度轴；

缩放宽度计算模块，用于计算第一样条波信号的缩放宽度，所述第一样条波信号为对多个关键点样条插值生成的信号，且在心电信号重构过程中第一样条波信号经平移和缩放得到重构的特征波信号；

位置幅值确定模块，用于确定所述特征波信号在时间-信号强度坐标轴上的位置信息和幅值；

参数向量序列确定模块，用于基于所述关键点的相对位置信息、所述特征波信号的位置信息、所述缩放宽度和所述幅值确定所述心电信号的参数向量序列，所述参数向量序列包括多个用于表征所述特征波信号的参数向量；

缩放宽度确定模块包括：

初始宽度设定子模块，用于设定初始宽度；

宽度缩放系数确定子模块，用于对特征波信号和第一样条波信号进行傅里叶-对数坐标变换，求出特征波信号和第一样条波信号的宽度缩放系数；

缩放宽度计算子模块，用于计算所述初始宽度与所述宽度缩放系数的商，得到缩放宽度；

宽度缩放系数确定子模块包括：

信号频谱计算单元，用于分别对所述特征波信号和所述第一样条波信号进行傅里叶变换，得到所述特征波信号的频谱与所述第一样条波信号的频谱；

幅度谱计算单元，用于分别计算所述特征波信号的频谱的第一幅度谱和所述第一样条波信号的频谱的第二幅度谱，得到所述第一幅度谱与所述第二幅度谱；

对数坐标变换单元，用于分别将所述第一幅度谱和所述第二幅度谱由角频率-宽度缩放系数坐标系转换到角频率-宽度缩放系数的对数坐标系，得到第三幅度谱和第四幅度谱；

幅度谱频谱计算单元，用于分别对所述第三幅度谱和所述第四幅度谱进行傅里叶变换，得到所述第三幅度谱的频谱和所述第四幅度谱的频谱；

互功率谱计算单元，用于计算所述第三幅度谱的频谱和所述第四幅度谱的频谱的互功率谱；

冲激函数确定单元，用于对所述互功率谱进行傅里叶逆变换得到关于宽度缩放系数的对数为变量的冲激函数；

宽度缩放系数确定单元，用于基于所述冲激函数的极大值确定所述宽度缩放系数。

10.一种心电信号参数化模型训练装置，其特征在于，心电信号参数化模型用于实现如权利要求1-5任一所述的心电信号参数化方法，心电信号参数化模型训练装置包括：

样本获取模块，用于获取心电信号样本，所述心电信号样本包括多个特征波信号样本；

参数化处理模块，用于将所述心电信号样本输入待训练的心电信号参数化模型中进行处理，得到所述心电信号样本的参数向量序列，心电参数化模型的模型参数包括用于重构所述心电信号样本的多个关键点的相对位置信息，所述参数向量序列包括多个用于表征所述特征波信号样本的参数向量；

重构模块，用于根据所述参数向量序列重构所述心电信号样本，得到重构信号样本；

误差计算模块，用于计算所述心电信号样本与所述重构信号样本的误差；

关键点更新模块，用于根据所述误差更新所述心电参数化模型中所述关键点的相对位置信息。

11.一种计算机设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5任一所述的心电信号参数化方法，或实现如权利要求6-8任一所述的心电信号参数化模型训练方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5任一所述的心电信号参数化方法，或实现如权利要求6-8任一所述的心电信号参数化模型训练方法。