[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

本發明公開了數據預處理方法、裝置、訓練系統、穿戴設備及存儲介質。其中數據預處理方法，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；連續采集M個上述RR間期直接作為一個輸入樣本；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。本發明通過上述原理，通過提取ECG波形上的RR間期，且RR間期不需要進一步提特征，并處理為特定形式后，再送入相應的深度神經網絡進行訓練，用很少的RR間期數，達到甚至超過采用較多RR間期數的傳統的機器學習算法。

技術領域

本發明涉及檢測領域，具體涉及數據預處理方法、裝置、訓練系統、穿戴設備及存儲介質。

背景技術

近年來，隨著信息技術的不斷發展，基于深度神經網絡(Deep Neural Network)的識別方法在分類領域取得了巨大的成功，應用領域也衍伸到各行各業。深度神經網絡訓練流程通常為將訓練樣本輸入深度神經網絡模型，經過深度神經網絡處理輸出分類結果與訓練樣本值進行比較，得到損失函數計算出的網絡損失，然后將網絡損失回傳給深度神經網絡，修正深度神經網絡上各層的參數，重復上述步驟，直到該網絡損失滿足一定的收斂條件，則認為達到了深度神經網絡的優化目標，訓練結束。通常網絡損失以最小化為優化目標。在現有的醫學領域對深度神經網絡進行訓練時，大多采用的輸入訓練數據的方式為從采集到的整段數據的開始端開始逐一輸入，直到結束端輸入完成為止，采用該種訓練數據輸入方式，需要大量的訓練數據樣本才能實現可用的效果。但是醫學數據需要基于人體采集，特別是一些判斷疾病的信息還不易采集，其特殊性導致了其采集和標記的工作量較大，給醫學領域的深度神經網絡訓練到可用的地步增加了難度。

發明內容

本發明所要解決的技術問題是采用很少的訓練樣本讓深度神經網絡達到可用的目的，目的在于提供數據預處理方法、裝置、訓練系統、穿戴設備及存儲介質，通過提取ECG波形上的RR間期，且RR間期不需要進一步提特征，并處理為特定形式后，再送入相應的深度神經網絡進行訓練，實現心臟節律分類，用很少的RR間期數，達到甚至超過采用較多RR間期數的傳統的機器學習算法。

本發明通過下述技術方案實現：

第一方面，本發明公開了一種數據預處理方法，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，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。

第二方面，本發明公開了一種數據預處理裝置，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，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。