基于双通道深度神经网络的驾驶员房颤检测方法及系统与流程

技术特征：
1.基于双通道深度神经网络的驾驶员房颤检测方法，其特征在于，包括以下步骤：基于安装在方向盘的传感器采集驾驶员的心电图信号；对心电图信号进行预处理，得到预处理信号；根据预处理信号绘制时频图和庞加莱图；以时频图和庞加莱图为输入，基于预构建的卷积神经网络根据进行信号分类，完成房颤检测。2.根据权利要求1所述基于双通道深度神经网络的驾驶员房颤检测方法，其特征在于，还包括：判断到房颤发生，发出警报警示车内人员，拨打求救电话并发送车辆实时位置。3.根据权利要求2所述基于双通道深度神经网络的驾驶员房颤检测方法，其特征在于，所述对心电图信号进行预处理，得到预处理信号这一步骤，其具体包括：对心电图信号进行归一化处理，得到归一化后心电图信号；对心电图信号进行滤波处理，得到平滑心电图信号；对心电图信号进行信号质量评估并结合去噪阈值进行去噪处理，得到去噪后的信号；对心电图信号进行r峰检测，输出心电图信号序列中所有代表r峰的数据点的序号，得到r峰位置；预处理完成，得到预处理信号。4.根据权利要求3所述基于双通道深度神经网络的驾驶员房颤检测方法，其特征在于，所述根据预处理信号绘制时频图和庞加莱图这一步骤，其具体包括：基于短时傅里叶变换方法对预处理信号进行时频转换，得到时频图；根据r峰位置，求相邻r峰之间的间隔；将r峰之间的间隔储存在数组rr中，并绘制散点图，得到庞加莱图。5.根据权利要求4所述基于双通道深度神经网络的驾驶员房颤检测方法，其特征在于，所述预构建的卷积神经网络采用两个通道，每个通道包括输入层、卷积块、采样层和全连接层。6.根据权利要求5所述基于双通道深度神经网络的驾驶员房颤检测方法，其特征在于，所述以时频图和庞加莱图为输入，基于预构建的卷积神经网络根据进行信号分类，完成房颤检测这一步骤，其具体包括：将时频图和庞加莱图分别作为预构建的卷积神经网络两个通道的输入；分别经过卷积块提取深度特征；经过采样层降低提取的特征维度；经过全连接层对通道的输出结果进行聚合并基于softmax函数进行信号分类，完成房颤检测。7.根据权利要求6所述基于双通道深度神经网络的驾驶员房颤检测方法，其特征在于，所述对心电图信号进行滤波处理具体为采用采用截止频率为35hz的6阶巴特沃斯低通滤波器进行滤波，所述巴特沃斯低通滤波器的幅度和频率关系的表示公式如下：
上式中，g表示滤波器的放大率，h表示传递函数，j表示虚数单位，n表示滤波器的级数，ω表示信号的角频率，ω
c
表示幅度下降3分贝时的截止频率。8.基于双通道深度神经网络的驾驶员房颤检测系统，其特征在于，包括：信号采集模块，用于基于安装在方向盘的传感器采集驾驶员的心电图信号；信号预处理模块，用于对心电图信号进行预处理，得到预处理信号；图绘制模块，用于根据预处理信号绘制时频图和庞加莱图；信号分类模块，用于根据时频图和庞加莱图进行信号分类，完成房颤检测。

技术总结
本发明公开了一种基于双通道深度神经网络的驾驶员房颤检测方法及系统，该方法包括：基于安装在方向盘的传感器采集驾驶员的心电图信号；对心电图信号进行预处理，得到预处理信号；根据预处理信号绘制时频图和庞加莱图；以时频图和庞加莱图为输入，基于预构建的卷积神经网络根据进行信号分类，完成房颤检测。该系统包括：信号采集模块、信号预处理模块、图绘制模块和信号分类模块。通过使用本发明，提高驾驶环境下的安全性。本发明作为一种基于双通道深度神经网络的驾驶员房颤检测方法及系统，可广泛应用于安全驾驶领域。可广泛应用于安全驾驶领域。可广泛应用于安全驾驶领域。


技术研发人员：王伟 黄欣龙 黄诺贤 彭显为 刘睿琦 陈健
受保护的技术使用者：中山大学
技术研发日：2021.07.06
技术公布日：2021/10/15