(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211417254.4 (22)申请日 2022.11.14 (71)申请人 南京邮电大 学 地址 210023 江苏省南京市栖霞区文苑路9 号 申请人 江苏省人民医院(南京医科 大学第 一附属医院) (72)发明人 景慎旗　郭永安　刘云　程瑶　 黄浩　单涛　 (74)专利代理 机构 南京正联知识产权代理有限 公司 32243 专利代理师 姜梦翔 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) A61B 5/349(2021.01) A61B 5/366(2021.01) A61B 5/00(2006.01) (54)发明名称 一种基于区块链的心电信号数据处 理方法 (57)摘要 本发明公开了一种基于区块链的心电信号 数据处理方法， 属于医学信号处理技术领域， 包 括： 对原始心电信号进行降噪处理并上传到区块 链中； 通过小波变换提取QRS 波， 并判定 该信号是 否为QRS波群； 若判定该信号为QRS波， 则对心电 信号进行分割截 取得到若干个心拍； 将得到的心 拍电位值组成一维向量， 采用LSTM进行建模分 析； 对每个心拍进行分类； 同时LSTM作为异常检 测器检测异常训练结果并进行再训练。 本发明将 再训练应用于心律失常分类， 以加强正常心拍的 检测并减少误报， 克服长时间分类过程导致的次 优性能， 提高对心电信号分类的准确率； 并且使 用区块链安全跟踪连续远程心电监测系统的不 同状态， 通过区块链技 术保障了数据的安全性。 权利要求书2页 说明书5页 附图4页 CN 115470832 A 2022.12.13 CN 115470832 A 1.一种基于区块链的心电信号数据处 理方法， 其特 征在于， 包括以下步骤： 步骤1， 读取原始心电信号后进行去噪处理； 同时将每个边缘设备作为区块链的一个节 点， 将数据进行 上链； 步骤2， QRS波提取检测， 通过小波变换提取QRS波， 在得到经小波变换处理后的心电信 号后， 判定该信号是否为 QRS波群； 步骤3， 信号预处理， 若判定所述步骤2中波峰为QRS波， 则由  QRS 波检测得到Ｒ峰所在 的位置， 以Ｒ峰位置作为基准点， 向前取 N1个采样点， 向后取 N2个采样点， 将连同R峰在内的 共 N1＋N1＋1个采样点作为一个心拍进行分割， 由此得到若干个心拍； 若判定所述步骤2中 波峰为非QRS波， 则进行丢包处 理； 步骤4， 将步骤3得到的每个心拍的 N1＋N1＋1个采样点的电位值组成一维向量， 采用双 向长短时记忆网络LSTM进行建模分析， 同时LSTM网络也用作异常检测器， 即LSTM异常检测 器； 步骤5， 通过利用所述 LSTM网络的全连接操作和Softmax函数对每 个心拍进行分类； 步骤6， 通过 再训练所述 LSTM异常检测器减少误报。 2.根据权利要求1所述的一种基于区块链的心电信号数据处理方法， 其特征在于， 所述 步骤1中选择db4小波将含噪信号进行8层小波变换分解， 然后采取软阈值法去噪， 最后将处 理后的各尺度系数进行重构得到去噪后的心电信号。 3.根据权利要求2所述的一种基于区块链的心电信号数据处理方法， 其特征在于， 所述 步骤2中QRS波提取检测的具体过程为： 小波变换处理后的信号首先经过取绝对值、 滑动窗 口积分操作， 将信号波形处理成一个个模式单一的波 峰组成的信号， 而其中的每一个波峰 均对应一个可能的Q RS波； 同时通过自适应的阈值算法得到此时的阈值， 将波峰与阈值进 行 比较， 以此判定 本次波峰是否为 QRS波。 4.根据权利要求1所述的一种基于区块链的心电信号数据处理方法， 其特征在于， 所述 步骤4具体为： 将每个心拍采样点电位值组成的一维向量作为输入传入长短时记忆网络 LSTM中， 自动提取每个心拍波形在时序和电位信息两方面的特征， 充分地学习不同类型心 跳的重要特征； 同时LSTM经过严格的分层训练也用作异常检测 器， 以无监督的方式对异常 检测器进行训练。 5.根据权利要求1所述的一种基于区块链的心电信号数据处理方法， 其特征在于， 所述 步骤5中利用所述LSTM网络的全连接操作和Softmax函数对每个心拍进行分类的具体内容 包括： 每个心拍的特征向量H经过全连接后， 通过Softmax函数计算得到5个类别的概率， 取 概率最大的类别作为 最终预测结果的类别； 该 过程具体 计算公式如下： 其中， 表示心拍特征属于某一类别的概率， 表示心电信号的预测类别； W、 b为 LSTM网络要学习的参数。 6.根据权利要求1所述的一种基于区块链的心电信号数据处理方法， 其特征在于， 所述 步骤6中再训练具体过程为： 当样 本在测试阶段被所述LSTM异常检测器 分类为异常节拍时， 通过将步骤5所获得的分类结果和连续远程心电监测系统在测试阶段分类为正常节拍的平权　利　要　求　书 1/2 页 2 CN 115470832 A 2均重构误差作为再训练阈值， 用于决定是否应采集样本进行再训练； 然后在所述LSTM异常 检测器中添加新特征， 并使用收集的硬样本对LSTM异常检测器进行优化； 同时合并LSTM异 常检测器中的相似特 征， 并根据所有正常节拍的新重构误差 重新计算再训练阈值。 7.根据权利要求6所述的一种基于区块链的心电信号数据处理方法， 其特征在于， 将区 块链用作外部存储上数据位置的访问控制管理器， 用于处理再训练所需的硬样本和差速数 据。权　利　要　求　书 2/2 页 3 CN 115470832 A 3