[發明專利]數據預處理方法、裝置、訓練系統、穿戴設備及存儲介質

在審

• 申請號: 201910306334.4
• 申請日: 2019-04-16
• 公開（公告）號: CN111832694A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 黃韻竹;楊海波;薛奮
• 申請（專利權）人: 成都心吉康科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;A61B5/0402
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.數據預處理方法，通過該方法處理后的數據用于送入深度神經網絡進行訓練，實現心臟節律分類，其特征在于，包括如下步驟：

采集ECG波形上第K-1到第K個R的間期，或者采集ECG波形上第K到第K+1個R的間期，K＞1；

連續采集M個上述RR間期直接作為一個輸入樣本，或者連續采集M個上述歸一化處理后的RR間期作為一個輸入樣本，M＞0；

將上述輸入樣本以1×1×M的三維形式輸入CNN深度神經網絡模型，或者將上述輸入樣本以M×1×1的三維形式輸入CNN深度神經網絡模型，或者將上述輸入樣本分解為M個1×1的點對應送入RNN深度神經網絡模型上的M個RNN基本神經單元。

2.數據預處理裝置，通過該裝置處理后的數據用于送入深度神經網絡進行訓練，實現心臟節律分類，其特征在于，包括

R間期采集處理單元：用于采集ECG波形上第K-1到第K個R的間期，或者采集ECG波形上第K到第K+1個R的間期，K＞1；

樣本成型單元：連續采集M個上述RR間期直接作為一個輸入樣本，或者連續采集M個上述歸一化處理后的RR間期作為一個輸入樣本，M＞0；

輸入樣本格式處理單元：將上述輸入樣本以1×1×M的三維形式輸入CNN深度神經網絡模型，或者將上述輸入樣本以M×1×1的三維形式輸入CNN深度神經網絡模型，或者將上述輸入樣本分解為M個1×1的點對應送入RNN深度神經網絡模型上的M個RNN基本神經單元。

3.訓練系統，其特征在于，包括

數據預處理裝置：用于提取ECG波形上的特征點，組成一個輸入樣本，然后將輸入樣本處理為特定形式；

訓練模塊:將數據預處理裝置處理為特定形式的輸入樣本，送入對應的深度神經網絡模型進行訓練，調整深度神經網絡模型中的濾波器權重，直到損失函數判斷調整后的濾波器權重滿足要求為止。

4.根據權利要求3所述的訓練系統，其特征在于，所述數據預處理裝置包括

R間期采集處理單元：用于采集ECG波形上第K-1到第K個R的間期，或者采集ECG波形上第K到第K+1個R的間期，K＞1；

樣本成型單元：連續采集M個上述RR間期直接作為一個輸入樣本，或者連續采集M個上述歸一化處理后的RR間期作為一個輸入樣本，M＞0；

輸入樣本格式處理單元：將上述輸入樣本以1×1×M的三維形式輸入CNN深度神經網絡模型，或者將上述輸入樣本以M×1×1的三維形式輸入CNN深度神經網絡模型，或者將上述輸入樣本分解為M個1×1的點對應送入RNN深度神經網絡模型上的M個RNN基本神經單元。

5.穿戴設備，其特征在于，包括權利要求2-4任意一項所述數據預處理裝置或者訓練系統。

6.一種存儲介質，包含有計算機程序指令，其特征在于，所述計算機程序指令被處理器執行以實現權利要求2-4任意一項所述數據預處理裝置或者訓練系統所具備的模塊功能。