[發明專利]一種基于多模塊神經網絡的不平衡心拍分類方法在審
| 申請號： | 201910021402.2 | 申請日： | 2019-01-09 |
| 公開（公告）號： | CN109645983A | 公開（公告）日： | 2019-04-19 |
| 發明（設計）人： | 皮德常;江婧;張懷峰 | 申請（專利權）人： | 南京航空航天大學 |
| 主分類號： | A61B5/0402 | 分類號： | A61B5/0402 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 210016 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 心拍 分類 預處理模塊 分類模塊 神經網絡 特征提取 心電信號 多模塊 算法 數據處理模塊 上下文特征 邊界樣本 分類問題 階段訓練 時序數據 特征線性 綜合模塊 數據處理 普適性 準確率 采樣 對心 高階 去噪 分段 合成 圖像 引入 | ||
1.一種基于多模塊神經網絡的不平衡心拍分類方法，其主要特征包括如下步驟：
(1)使用中值濾波和低通濾波，去除心電信號中的低頻噪聲、高頻噪聲和電線干擾；
(2)使用Pan-Tompkins算法檢測R峰位置，并將每條心電信號分割成長度相等的心拍；
(3)對心拍樣本進行Z-score標準化；
(4)引入邊界樣本特征線性合成(BLSM)方法，通過對少數類樣本進行線性合成虛擬樣本，來對對少數類進行過采樣；
(5)設計上下文特征綜合模塊(CTFM)，同時根據較為完整的心拍信息和重要特征區域的特征信息來判斷心拍所屬類別；
(6)將上述步驟處理后的心拍樣本輸入卷積神經網絡(CNN)模型進行特征提取和分類；
(7)使用二階段訓練(2PT)方法對卷積神經網絡進行訓練和微調。
2.根據權利要求1所述的基于多模塊神經網絡的不平衡心拍分類方法，其特征在于，步驟(5)設計的上下文特征綜合模塊(CTFM)，其實現過程包括：
(21)CTFM的第一部分用于對原始心拍的顯著特征進行截取，獲取其中主要包括QRS復合波在內的長度為N的重要特征片段；
(22)CTFM的第二部分構建了一個去噪自編碼器(DAE)，對之前處理的心拍進行特征提取，使用與第一部分長度相等的N個特征點較為準確地表示出原始心拍；
(23)將每個心拍的重要部位(QRS復合波區域)及上下文更大區域內的特征，同時作為最終分類器的輸入，同時根據較為完整的心拍信息和重要特征區域的信息來判斷心拍所屬類別。
3.根據權利要求1所述的基于多模塊神經網絡的不平衡心拍分類方法，其特征在于，步驟(4)(5)(7)的處理，有效解決了心拍分類中的不平衡問題，具體實現方法包括：
(31)在數據采樣角度，引入邊界樣本特征線性合成(BLSM)方法，通過對少數類樣本進行線性合成虛擬樣本，來對對少數類進行過采樣；
(32)在數據特征角度，設計上下文特征綜合模塊(CTFM)，同時根據較為完整的心拍信息和重要特征區域的特征信息來判斷心拍所屬類別；
(33)在算法角度，使用二階段訓練(2PT)方法對卷積神經網絡進行訓練和微調。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京航空航天大學，未經南京航空航天大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910021402.2/1.html，轉載請聲明來源鉆瓜專利網。
