[發明專利]一種基于1D卷積神經網絡的室性異位搏動檢測方法

有效

• 申請號: 201710300072.1
• 申請日: 2017-04-28
• 公開（公告）號: CN107137072B
• 公開（公告）日: 2019-09-24
• 發明（設計）人: 劉健;宋爽;程紹龍
• 申請（專利權）人: 北京科技大學
• 主分類號: A61B5/0245
• 分類號: A61B5/0245;A61B5/0452
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

1.一種基于1D卷積神經網絡的室性異位搏動檢測方法，其特征在于，包括以下步驟：

(1)、心電信號預處理

對心率失常數據庫中心電信號序列的每一拍心電信號進行分割，得到一系列的長度為64的單個心拍數據作為訓練集數據，并對其中室性異位搏動的心拍標記為‘1’，其余心拍標記為‘0’，

對訓練集數據進行歸一化處理：

其中，x為單個心拍數據中的一個數據，x_min為訓練集數據中單個心拍數據中的最小值，x_max為訓練集數據中單個心拍數據中的最大值；

(2)、設計用于檢測室性異位搏動的1D卷積神經網絡

第1層：卷積層，記作C1層，C1層輸入數據的大小為1x64的數據，分別使用16個大小為1x5的卷積核，以步長為1對輸入數據做卷積，一個卷積核對輸入數據進行卷積得到一個輸出數據，得到16個大小為1x60的數據并輸出第2層，其中，卷積過程的激活函數采用修正線性單元ReLu；

第2層：池化層，記作S2層，對輸入到S2層的16個大小為1x60的數據以步長為1，非重疊的做2的最大池化操作，得到16個大小為1x30的數據并輸出到第3層；

第3層：卷積層，記作C3層，每一個大小為1x5的卷積核以步長為1分別對輸入的16個大小為1x30數據進行卷積操作，得到16個大小為1x26的卷積值，然后得到一個大小為1x26的數據，其中，卷積過程的激活函數采用修正線性單元ReLu；

C3層有8個大小為1x5的卷積核，這樣得到8個大小為1x26的數據，并輸出到第4層；

第4層：池化層，記作S4層，對輸入到S4層的8個大小為1x26的數據分別以步長為1，非重疊的做2的最大池化操作，得到8個大小為1x13的數據，并輸出到第5層；

第5層：全連接層，記作C5層，將輸入的8個大小為1x13的數據組合為一個大小為1x104的數據，C5層共有10個神經元，每個神經元與大小為1x104的數據中的每個數據進行全連接，每個神經元輸出一個數據，這樣輸出C5層輸出10個數據；

第6層：輸出層，記作output層，共有2個神經元即0或者1，每個神經元與C5層輸出的10個數據進行全連接，兩個神經元分別輸出一個屬于類別0的概率和屬于類別1的概率，其中，激活函數采用sigmoid函數；

(3)、訓練1D CNN網絡

將訓練集數據中單個心拍數據作為1x64的數據，以及對應的心拍標記送入1D CNN網絡中進行訓練，訓練完成后，得到該1D CNN網絡的各項參數；

在訓練1D CNN時，卷積層的計算公式為：

其中，表示1D CNN的第l層的第i個特征向量；表示1D CNN的第l-1層的第k個特征向量；*表示的是1D卷積運算；以及表示的是1D CNN第l層的對應第i個特征圖的卷積核和偏置；表示的是激活函數；

(4)、室性異位搏動檢測方法

采集人體的心電信號序列，并進行分割，得到一系列的長度為64的單個心拍數據，然后按照步驟(1)的公式進行歸一化處，并將每個單個心拍數據輸入到設計的1D卷積神經網絡中，得到屬于類別1的概率，即屬于室性異位搏動的概率。

2.根據權利要求1所述的室性異位搏動檢測方法，其特征在于，步驟(1)中，所述的心率失常數據庫為MIT-BIH心率失常數據庫。