[發明專利]一種基于一維卷積神經網絡的心電信號分類方法

在審

• 申請號: 201710622047.5
• 申請日: 2017-07-27
• 公開（公告）號: CN107495959A
• 公開（公告）日: 2017-12-22
• 發明（設計）人: 張強;張建新;李丹;魏小鵬
• 申請（專利權）人: 大連大學
• 主分類號: A61B5/0402
• 分類號: A61B5/0402;A61B5/0428
• 代理公司: 大連八方知識產權代理有限公司21226
• 代理人: 衛茂才

1.一種基于一維卷積神經網絡的心電信號分類方法，其特征在于，該方法包括以下步驟：

步驟1：采用小波融合的方法完成心電信號的去噪處理并得到R波候選段；

步驟2：建立面向心電信號的一維卷積神經網絡模型；

步驟3：優化步驟2得到的面向心電信號的一維卷積神經網絡模型；

步驟4：將步驟1得到的R波候選段輸入訓練好的一維卷積神經網絡模型，完成心電信號的特征提取和分類。

2.根據權利要求1所述的一種基于一維卷積神經網絡的心電信號分類方法，其特征在于，步驟1所述的小波融合的方法為將可去除心電信號高頻噪聲的小波軟閾值法和可去除心電信號低頻噪聲的小波分解重構法兩者融合的方法。

3.根據權利要求1所述的一種基于一維卷積神經網絡的心電信號分類方法，其特征在于，得到步驟1所述的R波候選段的方法為：

（1）采用雙正交樣條小波的QRS波群識別出R波峰值點；

（2）以此R點為基準完成心電信號的分割及降維工作，得到R波候選段。

4.根據權利要求1所述的一種基于一維卷積神經網絡的心電信號分類方法，其特征在于，步驟2所述的面向心電信號的一維卷積神經網絡模型的框架主要包括：一個輸入層，兩個卷基層，兩個池化層，一個全連接層，一個輸出層，其中，兩個卷基層的卷積核尺寸均設置為7，每層的卷積核的數量均設置為18，池化層采用最大池化方法進行下采樣。

5.根據權利要求1所述的一種基于一維卷積神經網絡的心電信號分類方法，其特征在于，步驟3中根據數據集的特征，優化步驟2得到的一維卷積神經網絡模型，具體優化參數的方法如下：

（1）優化卷積核的尺寸及數量參數；

（2）在卷積核尺寸和數量參數確定的條件下，設置不同量級的學習率；

（3）在卷積核尺寸、數量、學習率等參數確定的條件下，設置迭代次數。