[發明專利]一種心律異常預測方法在審
| 申請號： | 202010146361.2 | 申請日： | 2020-03-05 |
| 公開（公告）號： | CN111329469A | 公開（公告）日： | 2020-06-26 |
| 發明（設計）人： | 黃健;戴俊秀 | 申請（專利權）人： | 廣州天嵌計算機科技有限公司 |
| 主分類號： | A61B5/0402 | 分類號： | A61B5/0402;A61B5/00;G06K9/62;G06N3/04 |
| 代理公司： | 廣州云領專利代理事務所(普通合伙) 44441 | 代理人： | 張蓮珍 |
| 地址： | 510000 廣東省廣州市番*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 心律 異常 預測 方法 | ||
1.一種心律異常預測方法，其特征在于，包括以下步驟：
將ECG數據集分別通過多個CNN模型生成多個特征向量，并將多個特征向量堆疊形成輸入向量；
將輸入向量通過多個RNN模型訓練獲得多個底層分類器；
采用全連接神經網絡融合多個底層分類器預測ECG異常事件。
2.根據權利要求1所述的心律異常預測方法，其特征在于：所述將ECG數據集分別通過多個CNN模型生成多個特征向量，并將多個特征向量堆疊形成輸入向量具體為：
采用多個CNN模型提取ECG數據集的空間特征，得到多個相同維數的特征向量；
將多個特征向量在深度方向合并，形成輸入向量。
3.根據權利要求2所述的心律異常預測方法，其特征在于：所述CNN模型包括卷積層和池化層，所述卷積層用于提取ECG數據集的空間特征后形成特征圖，所述池化層用于對特征圖特征選擇和信息過濾后生成特征向量。
4.根據權利要求1所述的心律異常預測方法，其特征在于：所述將ECG數據集分別通過多個CNN模型生成多個特征向量，并將多個特征向量堆疊形成輸入向量之前包括獲取ECG數據集并對其預處理，具體為：
獲取醫療心電樣本；
對醫療心電樣本進行增強操作，并對其豎直翻轉后獲得ECG數據集。
5.根據權利要求4所述的心律異常預測方法，其特征在于：所述對原始心跳樣本的數據進行增強操作包括對醫療心電樣本數據進行隨機平移或加減。
6.根據權利要求1所述的心律異常預測方法，其特征在于：所述將輸入向量通過多個RNN模型訓練獲得多個底層分類器具體為：
多個RNN模型分別提取輸入向量的時序信息，生成多個具有獨立預測ECG異常事件的底層分類。
7.根據權利要求1所述的心律異常預測方法，其特征在于：采用全連接神經網絡融合多個底層分類器預測ECG異常事件包括以下步驟：
對輸入向量進行5折交叉驗證，并取其中4折作為訓練數據，另外1折作為驗證數據；
各底層分類器分別對訓練數據訓練后獲得多個訓練模型，各訓練模型分別去預測驗證數據后獲得多組預測矩陣，將多組預測矩陣輸入至全連接神經網絡。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣州天嵌計算機科技有限公司，未經廣州天嵌計算機科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010146361.2/1.html，轉載請聲明來源鉆瓜專利網。
