[發明專利]基于S型重構的2D卷積神經網絡的心拍分類方法及系統

有效

• 申請號: 202011108938.7
• 申請日: 2020-10-16
• 公開（公告）號: CN113349790B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 張亞濤;張鋒;李向宇;李楊曉;董文琦
• 申請（專利權）人: 山東大學
• 主分類號: A61B5/346
• 分類號: A61B5/346;A61B5/00;A61B5/352
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

1.基于S型重構的2D卷積神經網絡的心拍分類方法，其特征在于，包括：

獲取ECG心電信號；

對獲取的ECG心電信號預處理，提取心拍信號；

將心拍信號重構為二維信號；

將獲得的二維信號輸入至2D卷積神經網絡模型中，獲取心拍信號的分類結果；

一維心拍信號通過S型重構的方法獲得二維信號，具體為：

經過預處理后的一維心電信號的一個心拍信號含有256個點，對一維心電信號做S型重構轉換成16×16的二維心電信號，一個卷積模板每次考察9個點，該9個點既有相鄰的點，也有距離30的點。

2.如權利要求1所述的基于S型重構的2D卷積神經網絡的心拍分類方法，其特征在于，提取心拍信號的具體過程為：

獲取ECG心電信號中所有的R波位置；

根據R波位置從ECG心電信號中提取心拍信號；

其中，每個心拍信號包括一個R波。

3.如權利要求1所述的基于S型重構的2D卷積神經網絡的心拍分類方法，其特征在于，在對2D卷積神經網絡模型訓練時，采用上采樣的方法，將不同種類心拍信號的樣本數量統一。

4.如權利要求1所述的基于S型重構的2D卷積神經網絡的心拍分類方法，其特征在于，2D卷積神經網絡模型，包括輸入層、卷積層、池化層、第三層卷積層、池化層、全連接層和輸出層；

通過輸入層輸入二維信號，通過多次卷積池化提取二維信號特征，通過全連接層連接至寄存器，通過輸出層輸出分類結果。

5.如權利要求1所述的基于S型重構的2D卷積神經網絡的心拍分類方法，其特征在于，使用梯度下降法優化2D卷積神經網絡模型的參數取值。

6.如權利要求1所述的基于S型重構的2D卷積神經網絡的心拍分類方法，其特征在于，采用準確率、陽性預測率、靈敏度、特異度四個指標對2D卷積神經網絡模型的分類性能進行評價。

7.基于S型重構的2D卷積神經網絡的心拍分類系統，其特征在于，包括：

信號采集模塊，獲取ECG心電信號；

預處理模塊，用于對ECG心電信號預處理，獲取心拍信號；

重構模塊，用于將心拍信號重構為二維信號；

分類識別模塊，用于將二維信號輸入存儲的2D-CNN網絡模型中，獲取心拍信號的分類結果；

一維心拍信號通過S型重構的方法獲得二維信號，具體為：

經過預處理后的一維心電信號的一個心拍信號含有256個點，對一維心電信號做S型重構轉換成16×16的二維心電信號，一個卷積模板每次考察9個點，該9個點既有相鄰的點，也有距離30的點。

8.一種電子設備，其特征在于，包括存儲器和處理器以及存儲在存儲器上并在處理器上運行的計算機指令，所述計算機指令被處理器運行時，完成權利要求1-6任一項所述的基于S型重構的2D卷積神經網絡的心拍分類方法所述的步驟。

9.一種計算機可讀存儲介質，其特征在于，用于存儲計算機指令，所述計算機指令被處理器執行時，完成權利要求1-6任一項所述的基于S型重構的2D卷積神經網絡的心拍分類方法所述的步驟。