[發(fā)明專利]一種基于多模塊神經(jīng)網(wǎng)絡(luò)的不平衡心拍分類方法

在審

• 申請?zhí)枺?/td>: 201910021402.2
• 申請日: 2019-01-09
• 公開（公告）號: CN109645983A
• 公開（公告）日: 2019-04-19
• 發(fā)明（設(shè)計）人: 皮德常;江婧;張懷峰
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 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

1.一種基于多模塊神經(jīng)網(wǎng)絡(luò)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(jìn)行Z-score標(biāo)準(zhǔn)化；

(4)引入邊界樣本特征線性合成(BLSM)方法，通過對少數(shù)類樣本進(jìn)行線性合成虛擬樣本，來對對少數(shù)類進(jìn)行過采樣；

(5)設(shè)計上下文特征綜合模塊(CTFM)，同時根據(jù)較為完整的心拍信息和重要特征區(qū)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(jīng)網(wǎng)絡(luò)(CNN)模型進(jìn)行特征提取和分類；

(7)使用二階段訓(xùn)練(2PT)方法對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和微調(diào)。

2.根據(jù)權(quán)利要求1所述的基于多模塊神經(jīng)網(wǎng)絡(luò)的不平衡心拍分類方法，其特征在于，步驟(5)設(shè)計的上下文特征綜合模塊(CTFM)，其實現(xiàn)過程包括：

(21)CTFM的第一部分用于對原始心拍的顯著特征進(jìn)行截取，獲取其中主要包括QRS復(fù)合波在內(nèi)的長度為N的重要特征片段；

(22)CTFM的第二部分構(gòu)建了一個去噪自編碼器(DAE)，對之前處理的心拍進(jìn)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(zhǔn)確地表示出原始心拍；

(23)將每個心拍的重要部位(QRS復(fù)合波區(qū)域)及上下文更大區(qū)域內(nèi)的特征，同時作為最終分類器的輸入，同時根據(jù)較為完整的心拍信息和重要特征區(qū)域的信息來判斷心拍所屬類別。

3.根據(jù)權(quán)利要求1所述的基于多模塊神經(jīng)網(wǎng)絡(luò)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(xiàn)方法包括：

(31)在數(shù)據(jù)采樣角度，引入邊界樣本特征線性合成(BLSM)方法，通過對少數(shù)類樣本進(jìn)行線性合成虛擬樣本，來對對少數(shù)類進(jìn)行過采樣；

(32)在數(shù)據(jù)特征角度，設(shè)計上下文特征綜合模塊(CTFM)，同時根據(jù)較為完整的心拍信息和重要特征區(qū)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(xùn)練(2PT)方法對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和微調(diào)。