[發明專利]基于金字塔型卷積層的心電信號深度神經網絡建模方法

有效

• 申請號: 202010072764.7
• 申請日: 2020-01-21
• 公開（公告）號: CN111261283B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 蔣明峰;魯薏;李楊;汪亞明;楊曉城
• 申請（專利權）人: 浙江理工大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;A61B5/00;A61B5/346;G06N3/0464;G06N3/08;G06F18/24
• 代理公司: 杭州昊澤專利代理事務所(特殊普通合伙) 33449
• 代理人: 黃前澤

1.基于金字塔型卷積層的心電信號深度神經網絡建模方法，具體步驟如下：

步驟1、構建基于金字塔型卷積層的心電信號深度神經網絡模型，該心電信號深度神經網絡模型包括一層金字塔型卷積層和m個殘差塊，8≤m≤24；所述的金字塔型卷積層由n+1個常規卷積層組成，n≥2；前n個常規卷積層的卷積核最大為16，最小為4，其余取16與4之間的奇數，而最后一個常規卷積層的卷積核設置為1；

步驟2、將訓練集的心電信號輸入基于金字塔型卷積層的心電信號深度神經網絡模型進行訓練，具體如下：

1)將心電信號x分別輸入到金字塔型卷積層的前n層常規卷積層中，由于金字塔型卷積層的前n層常規卷積層的卷積核均不相同，從而得到n個不同卷積核的常規卷積層分支形成的特征圖；

2)將這n個不同卷積核的常規卷積層分支形成的特征圖進行級聯，得到級聯后的特征圖：

其中，X為級聯后的特征圖，Concat表示各常規卷積層分支形成的特征圖在通道上的級聯，表示第l個常規卷積層分支形成的特征圖；

3)將級聯后的特征圖再經過金字塔型卷積層最后一個卷積核為1的常規卷積層，得到最終的心電信號特征圖；

4)心電信號特征圖在m個殘差塊中逐個依次傳輸后通過一個全連接層分類；

步驟3、通過驗證集對基于金字塔型卷積層的心電信號深度神經網絡模型進行驗證，得到驗證集分類誤差；當訓練次數達到設定的最大值或者當驗證集分類誤差小于指定值時，則獲得訓練后的基于金字塔型卷積層的心電信號深度神經網絡模型，否則回到步驟2。

2.根據權利要求1所述基于金字塔型卷積層的心電信號深度神經網絡建模方法，其特征在于：心電信號輸入在常規卷積層中形成特征圖輸出是通過心電信號輸入與輸出的關系實現的，常規卷積層的第α通道心電信號輸入與輸出的關系式如下：

式中，表示第l個常規卷積層的第α通道心電信號輸入，而當l＝1時，第1個常規卷積層的第α通道心電信號輸入就是原始的心電信號輸入；表示第l個常規卷積層的第α通道輸出，f(·)為激勵函數；M^α表示第α通道中特征圖的第l-1層特征圖子集，i表示特征圖子集中的各個特征單元，表示第l-1個常規卷積層中第i個特征單元的輸出，是第l個常規卷積層中第α通道第i個特征單元位置上的卷積核矩陣，bias是偏置項，“*”是卷積符號。