[發(fā)明專利]基于多通道信號融合深度神經(jīng)網(wǎng)絡自動心律失常分析方法

有效

• 申請?zhí)枺?/td>: 201810451710.4
• 申請日: 2018-05-12
• 公開（公告）號: CN108875575B
• 公開（公告）日: 2021-05-11
• 發(fā)明（設計）人: 劉通;危義民;賈世祥;臧睦君;鄒海林;柳嬋娟;周樹森
• 申請（專利權）人: 魯東大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;A61B5/352;A61B5/00
• 代理公司: 長春市東師專利事務所 22202
• 代理人: 張鐵生;劉延軍

本發(fā)明公開了一種基于多通道信號融合深度神經(jīng)網(wǎng)絡自動心律失常分析方法，它包括：三種采樣方式生成多通道心電圖樣本；分別得到的600維心電信號擴增為3*（600*1）維，原始心電信號為兩導聯(lián)時，等效形成2*3*(600*1)維心電信號樣本，將每導聯(lián)輸入信號通過合并層合并輸入到一路導聯(lián)通道中。導聯(lián)通道由串聯(lián)的卷積層單元組成，輸出端的合并層將特征圖合并，卷積層單元和LSTM層單元間有attention層；卷積層單元包括使用一維卷積提取一維心電信號特征的卷積層以及依次串聯(lián)的一激勵單元操作和一池化層操作；LSTM層單元串聯(lián)一個激勵單元為softmax的全連接層；輸出；學習深度神經(jīng)網(wǎng)絡的參數(shù)，對樣本進行自動識別；解決了現(xiàn)有心律失常分析系統(tǒng)尚不足以滿足臨床應用的準確率需求的問題。

技術領域

本發(fā)明涉及醫(yī)學信號處理技術領域,更確切地說，本發(fā)明涉及一種基于多通道信號融合深度神經(jīng)網(wǎng)絡自動心律失常分析方法。

背景技術

近些年，針對心電圖的輔助診斷設備發(fā)展迅速，隨著信息領域的科技進步，特別是隨著模式識別技術的進展，心電圖設備的功能不再是僅僅獲取心電信號、打印心電圖，而是向著挖掘心電圖中的有效數(shù)據(jù)以及自動識別、統(tǒng)計心拍信息方向發(fā)展。帶自動識別心拍功能的分析設備能夠為醫(yī)生提供更直觀有效的心電圖信息，有效節(jié)省診斷時間，提高醫(yī)生的診斷效率，是重要的輔助醫(yī)療設備之一。

工作在計算器件上的自動心律失常分析系統(tǒng)是此類設備的核心，技術途徑有兩種，一是通過提取表征了心電圖有效信息的特征向量，輸入到分類器算法得到心拍的類別；二是通過深度學習技術自動學習特征并進行識別，得到心拍的類別。

基于深度學習技術的心律失常分析系統(tǒng)可以利用數(shù)據(jù)紅利，有效提高識別精度，然而目前的心律失常分析系統(tǒng)尚不足以滿足臨床應用的準確率需求。

發(fā)明內(nèi)容

本發(fā)明的目的是為解決現(xiàn)有心律失常分析系統(tǒng)尚不足以滿足臨床應用的準確率需求的問題，一種基于多通道信號融合深度神經(jīng)網(wǎng)絡自動心律失常分析方法。

一種基于多通道信號融合深度神經(jīng)網(wǎng)絡自動心律失常分析方法，它包括：

1）采用三種采樣方式進行復合采樣，生成多通道心電圖樣本；

a.對每個導聯(lián)的心電信號，前后各取100個點再重采樣到固定維度600；

b.對每個導聯(lián)的心電信號，前取2個周期的R-R波區(qū)間，后取1個周期的R-R波區(qū)間，再重采樣到固定維度600；

c.對每個導聯(lián)的心電信號，前取2個周期的R-R波區(qū)間并重采樣到300維，后取1個周期的R-R波區(qū)間并重采樣到300維，最后將前后重采樣的信號拼接形成600維信號；

由此三種采樣方式所得的600維心電信號分別為Input k1,Input k2和Input k3,k為Ⅰ、Ⅱ，是原始心電信號的導聯(lián)編號，每一個Input的大小為600*1維，此時每導聯(lián)心電信號由600*1維擴增為600*3維，此時的3表示每一個導聯(lián)的心電信號擁有3個子導聯(lián)。使用的數(shù)據(jù)集中原始心電信號擁有2個導聯(lián)時，將原始每個導聯(lián)的心電數(shù)據(jù)經(jīng)過所述復合采樣方式形成上述2*3*600維的心電信號樣本X，作為深度神經(jīng)網(wǎng)絡模型的輸入Input；

2)搭建深度神經(jīng)網(wǎng)絡

深度神經(jīng)網(wǎng)絡包括多個依次并聯(lián)的導聯(lián)通道，每一個導聯(lián)通道由串聯(lián)的卷積層單元組成，在每一路導聯(lián)通道的輸出端有一個合并層，將每一路導聯(lián)通道的特征圖沿最后一個維度合并，即特征圖的深度所在維度。在每導聯(lián)通道輸出端的合并層和LSTM層單元間有attention層作為連接單元;每個所述卷積層單元包括一個卷積層以及該卷積層輸出端依次串聯(lián)的一激勵單元操作和一池化層操作；所述卷積層單元使用的是一維卷積，用于提取一維心電信號的特征；

LSTM層單元的輸出串聯(lián)一個激勵單元為softmax的全連接層；輸出；

3）學習深度神經(jīng)網(wǎng)絡的參數(shù)；