[發(fā)明專利]一種基于一維卷積神經(jīng)網(wǎng)絡(luò)和S變換的心律失常分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710814713.5
• 申請(qǐng)日: 2017-09-10
• 公開（公告）號(hào): CN107811626A
• 公開（公告）日: 2018-03-20
• 發(fā)明（設(shè)計(jì)）人: 呂衛(wèi);王粟瑤;褚晶輝
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): A61B5/024
• 分類號(hào): A61B5/024;A61B5/0452;A61B5/00
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所12201
• 代理人: 杜文茹

1.一種基于一維卷積神經(jīng)網(wǎng)絡(luò)和S變換的心律失常分類方法，其特征在于，包括如下步驟：

1)對(duì)心電信號(hào)預(yù)處理；

2)利用一維卷積神經(jīng)網(wǎng)絡(luò)提取心電信號(hào)的深度非線性特征；

3)利用S變換提取心電信號(hào)的時(shí)頻域特征；

4)將心電信號(hào)的深度非線性特征和心電信號(hào)的時(shí)頻域特征融合到一起，經(jīng)過全連接層繼續(xù)進(jìn)行特征學(xué)習(xí)，得到全連接層輸出特征；

5)將全連接層輸出特征接到一維卷積神經(jīng)網(wǎng)絡(luò)的softmax層進(jìn)行分類；

6)輸出分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于一維卷積神經(jīng)網(wǎng)絡(luò)和S變換的心律失常分類方法，其特征在于，步驟1)所述的預(yù)處理包括：采用中值濾波和低通濾波器去除噪聲，依據(jù)MIT-BIH數(shù)據(jù)庫中的標(biāo)注文件，找到心電信號(hào)R峰位置并提取心電信號(hào)片段。

3.根據(jù)權(quán)利要求2所述的一種基于一維卷積神經(jīng)網(wǎng)絡(luò)和S變換的心律失常分類方法，其特征在于，對(duì)所提取的心電信號(hào)片段進(jìn)行z-score標(biāo)準(zhǔn)化，使數(shù)據(jù)符合標(biāo)準(zhǔn)正態(tài)分布。

4.根據(jù)權(quán)利要求1所述的一種基于一維卷積神經(jīng)網(wǎng)絡(luò)和S變換的心律失常分類方法，其特征在于，步驟2)所述的提取心電信號(hào)的深度非線性特征包括：

設(shè)一維卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為卷積層和池化層的組合，分別設(shè)定卷積核和池化層的大小，在卷積層和池化層之間加BatchNormalization規(guī)范化處理。

5.根據(jù)權(quán)利要求4所述的一種基于一維卷積神經(jīng)網(wǎng)絡(luò)和S變換的心律失常分類方法，其特征在于，在卷積層和池化層之間加BatchNormalization層網(wǎng)絡(luò)規(guī)范化處理是：

設(shè)心跳采樣數(shù)據(jù)的輸入向量為:n是每個(gè)心跳的采樣點(diǎn)個(gè)數(shù)，x是心跳采樣數(shù)據(jù)，卷積層的輸出為：

Cil,j=σ(bj+Σm=1MWmjxi+m-10j)]]>

c_i是第i個(gè)卷積層神經(jīng)元的輸出，i是卷積層的位置，l是層數(shù)，j是第l層的神經(jīng)元的位置，σ是激活函數(shù)，產(chǎn)生非線性輸出，b是神經(jīng)元的偏置，M是核的大小，是第j個(gè)神經(jīng)元的權(quán)重，m是神經(jīng)元的個(gè)數(shù)；

根據(jù)BatchNormalization層網(wǎng)絡(luò)的計(jì)算均值、標(biāo)準(zhǔn)差、歸一化處理和重構(gòu)公式，計(jì)算出原始網(wǎng)絡(luò)所要學(xué)習(xí)的特征分布，具體公式如下：

μβ←1mΣi=0mci]]>

σβ2←1mΣi=0m(ci-μβ)2]]>

ci^←ci-μβσβ2+∈]]>

yi←γci^+β]]>

其中，c_i為第i個(gè)卷積層中神經(jīng)元的輸出，m為卷積層輸出神經(jīng)元的個(gè)數(shù)，μ_β為卷積層中m個(gè)神經(jīng)元輸出的平均值，為卷積層中m個(gè)神經(jīng)元輸出的方差，∈為卷積層中m個(gè)神經(jīng)元輸出方差的隨機(jī)擾動(dòng)值，為卷積層中神經(jīng)元的標(biāo)準(zhǔn)化輸出值。γ是神經(jīng)元標(biāo)準(zhǔn)化輸出的重構(gòu)權(quán)重，β神經(jīng)元標(biāo)準(zhǔn)化輸出的重構(gòu)偏置，y_i第i個(gè)卷積層中神經(jīng)元規(guī)范化處理的輸出；

池化層神經(jīng)元的輸出為：

Pil,j=maxr∈R(yi×T+rl,j)]]>

P為池化層神經(jīng)元的輸出，R是池化窗口的大小，T池化的步長，r是池化窗口可選的整數(shù)值大小；

所述池化層神經(jīng)元的輸出即為深度非線性特征。