[發(fā)明專利]一種基于深度學(xué)習(xí)的心電數(shù)據(jù)分類方法

在審

• 申請?zhí)枺?/td>: 201911053246.4
• 申請日: 2019-10-31
• 公開（公告）號: CN110934579A
• 公開（公告）日: 2020-03-31
• 發(fā)明（設(shè)計）人: 趙杰;翟運開;陳昊天;崔莉亞;石金銘;孫東旭;盧耀恩;王振博
• 申請（專利權(quán)）人: 鄭州大學(xué)第一附屬醫(yī)院
• 主分類號: A61B5/0402
• 分類號: A61B5/0402;A61B5/00
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 李珍

本發(fā)明公開了一種基于深度學(xué)習(xí)的心電數(shù)據(jù)分類方法，屬于大數(shù)據(jù)技術(shù)領(lǐng)域，首選根據(jù)Savitzky?Golay數(shù)字平滑濾波器對心電數(shù)據(jù)進(jìn)行平滑濾波處理，然后對濾波后的心電數(shù)據(jù)標(biāo)識標(biāo)簽，再然后構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，最后將測試心電數(shù)據(jù)放入深度神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行評價得到準(zhǔn)確率評價結(jié)果Acc，解決了采用深度學(xué)習(xí)對心電數(shù)據(jù)進(jìn)行分類和評價的技術(shù)問題，本發(fā)明在七種心電異常分類任務(wù)中有效地引入深度學(xué)習(xí)方法，通過對網(wǎng)絡(luò)結(jié)構(gòu)的權(quán)值進(jìn)行自動更新，得到心電信號中具有一定區(qū)分能力的深層次特征，不僅可以提高心電異常分類算法的執(zhí)行效率，而且可以保證算法的分類精度。

技術(shù)領(lǐng)域

本發(fā)明屬于大數(shù)據(jù)技術(shù)領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的心電數(shù)據(jù)分類方法。

背景技術(shù)

心電異常疾病具有高患病率、高致殘率和高死亡率等特點，被稱為危害人類健康的“頭號殺手。

心電信號是一系列能反映心臟活動的生物電信號，常通過心電圖觀測。

在傳統(tǒng)的心電異常ECG數(shù)據(jù)量巨大，需要大量的人力進(jìn)行分類。我國由于極低的醫(yī)患比和巨大的數(shù)據(jù)分析工作量，導(dǎo)致心電異常數(shù)據(jù)不能被有效的利用難題。

在大數(shù)據(jù)背景下，隨著人工智能技術(shù)的發(fā)展，深度學(xué)習(xí)技術(shù)逐漸走進(jìn)人們的視野，并且成為機器學(xué)習(xí)領(lǐng)域的研究焦點。深度學(xué)習(xí)技術(shù)通過借助多層神經(jīng)網(wǎng)絡(luò)模型，可以很好地實現(xiàn)對復(fù)雜非線性函數(shù)映射關(guān)系的描述，并且可以對數(shù)據(jù)背后隱藏的特征進(jìn)行自主挖掘，從而完成對數(shù)據(jù)更深層次的表達(dá)。深度學(xué)習(xí)模型在特征提取和模式識別任務(wù)中，相較于傳統(tǒng)的淺層機器學(xué)習(xí)模型表現(xiàn)出了明顯的優(yōu)勢。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于深度學(xué)習(xí)的心電數(shù)據(jù)分類方法，解決了采用深度學(xué)習(xí)對心電數(shù)據(jù)進(jìn)行分類和評價的技術(shù)問題。

為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：一種基于深度學(xué)習(xí)的心電數(shù)據(jù)分類方法，包括如下步驟：

步驟1：建立數(shù)據(jù)采集服務(wù)器、數(shù)據(jù)庫服務(wù)器、深度學(xué)習(xí)服務(wù)器和客戶端服務(wù)器，數(shù)據(jù)采集服務(wù)器與臨床心電數(shù)據(jù)采集設(shè)備通信，數(shù)據(jù)采集服務(wù)器與數(shù)據(jù)庫服務(wù)器通過互聯(lián)網(wǎng)通信，深度學(xué)習(xí)服務(wù)器通過互聯(lián)網(wǎng)與數(shù)據(jù)庫服務(wù)器通信，客戶端服務(wù)器通過網(wǎng)線連接深度學(xué)習(xí)服務(wù)器；

步驟2：臨床心電數(shù)據(jù)采集設(shè)備采集若干患者的心電數(shù)據(jù)，并將這些心電數(shù)據(jù)傳輸給數(shù)據(jù)采集服務(wù)器；

步驟3：數(shù)據(jù)采集服務(wù)器根據(jù)Savitzky-Golay數(shù)字平滑濾波器對心電數(shù)據(jù)進(jìn)行平滑濾波處理，得到濾波后心電數(shù)據(jù)；

步驟4：數(shù)據(jù)采集服務(wù)器對濾波后的心電數(shù)據(jù)標(biāo)識標(biāo)簽，通過標(biāo)簽對心電數(shù)據(jù)進(jìn)行分類，生成分類心電數(shù)據(jù)；

步驟5：數(shù)據(jù)采集服務(wù)器將分類心電數(shù)據(jù)傳送給數(shù)據(jù)庫服務(wù)器進(jìn)行歸類存儲，并且對分類心電數(shù)據(jù)進(jìn)行one-hot編碼，生成訓(xùn)練數(shù)據(jù)；

步驟6：深度學(xué)習(xí)服務(wù)器調(diào)取訓(xùn)練數(shù)據(jù)，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，通過訓(xùn)練數(shù)據(jù)對深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

步驟7：臨床心電數(shù)據(jù)采集一個測試患者的心電數(shù)據(jù)，并通過步驟2到步驟5的方法對心電數(shù)據(jù)進(jìn)行處理，最終生成測試心電數(shù)據(jù)；

數(shù)據(jù)庫服務(wù)器存儲測試心電數(shù)據(jù)；

步驟8：深度學(xué)習(xí)服務(wù)器調(diào)取測試心電數(shù)據(jù)，將測試心電數(shù)據(jù)放入深度神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行準(zhǔn)確率評價，即Acc，其評價指標(biāo)具體算法如以下公式：

其中TP表示屬于該類且被正確分類的心電樣本；TN表示屬于該類且被錯誤分類的心電樣本；FP表示不屬于該類且被分為該類的心電樣本；FN表示不屬于該類且被分為不屬于該類的心電樣本；

步驟9：深度學(xué)習(xí)服務(wù)器將準(zhǔn)確率評價，即Acc的結(jié)果發(fā)送給客戶端服務(wù)器，客戶端服務(wù)器根據(jù)準(zhǔn)確率評價，即Acc的結(jié)果生成圖表，并顯示給用戶。