[發(fā)明專利]基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的心律類型識別方法和裝置

有效

• 申請?zhí)枺?/td>: 202011335010.2
• 申請日: 2020-11-25
• 公開（公告）號: CN112587146B
• 公開（公告）日: 2022-08-16
• 發(fā)明（設(shè)計）人: 朱俊江;黃浩
• 申請（專利權(quán)）人: 上海數(shù)創(chuàng)醫(yī)療科技有限公司
• 主分類號: A61B5/346
• 分類號: A61B5/346;A61B5/00
• 代理公司: 蘇州知途知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32299
• 代理人: 張錦波

1.一種基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，

使用的神經(jīng)網(wǎng)絡(luò)模型包括：輸入層、多個卷積層和池化層、長短期記憶人工神經(jīng)網(wǎng)絡(luò)、1個注意力層、全連接層以及1個分類器層；

包括以下步驟：

采集充分多數(shù)量的已知心律類型的心電信號；

以長度為N的定義標(biāo)簽向量[y₁，y₂,…，y_n]定義每個心電信號，心電信號屬于第i類心律類型時，則定義標(biāo)簽向量的y_i為T1，其余為T2，且T1大于T2；

將心電信號及對應(yīng)的標(biāo)簽向量輸入到神經(jīng)網(wǎng)絡(luò)模型中進行訓(xùn)練；

訓(xùn)練時引入損失函數(shù)為：

其中，

A[a₁，a₂,…，a_n]是輸入心電信號后神經(jīng)網(wǎng)絡(luò)模型的輸出向量，長度為N；a_i為向量A中的第i個元素，i大于等于1小于等于n；a_j為向量A中的第j個元素，j大于等于1小于等于n；A_l表示一段心電信號中不可能同時存在的心律不齊類型對，共M對，a_k為在輸出向量中第k個元素，y_k為定義標(biāo)簽向量中第k個元素；

c表示損失函數(shù)，N表示心律類型總數(shù)，心電標(biāo)簽向量為a_l為訓(xùn)練時當(dāng)前的神經(jīng)網(wǎng)絡(luò)計算出的輸出大小，N是心律類型的總數(shù)，M為兩兩不能同時存在的心律類型組合的數(shù)量；

當(dāng)損失函數(shù)的值穩(wěn)定時，結(jié)束訓(xùn)練，得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型。

2.根據(jù)權(quán)利要求1所述的基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，采集充分多數(shù)量的已知心律類型的多導(dǎo)聯(lián)心電信號后，還對所述心電信號進行預(yù)處理，預(yù)處理采用預(yù)設(shè)截止頻率的濾波器對所述心電信號進行濾波處理。

3.根據(jù)權(quán)利要求2所述的基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述預(yù)處理還包括以下步驟：

判斷所述心電信號的采樣頻率是否為預(yù)設(shè)頻率；

當(dāng)所述采樣頻率不是所述預(yù)設(shè)頻率時，采用內(nèi)插法將所述心電信號重采樣為所述預(yù)設(shè)頻率的心電信號。

4.根據(jù)權(quán)利要求1-3任一項所述的基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，心電信號為多導(dǎo)聯(lián)心電信號時，將每一條心電信號按照導(dǎo)聯(lián)順序拼接到一起形成。

5.根據(jù)權(quán)利要求1-3任一項所述的基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，T1賦值為1，T2賦值為0。

6.根據(jù)權(quán)利要求1-3任一項所述的基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型包括全連接層為兩層。

7.根據(jù)權(quán)利要求6所述的基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，

第一卷積層中共有50個大小均為5的一維卷積核；

第一池化層中采用最大池化，核心和步長均為2；

第二卷積層中共有60個大小均為6的一維卷積核，激活函數(shù)選用ReLU函數(shù)；

第二池化層中采用最大池化，核的大小和步長均為2；

第三卷積層中共有70個大小為3的一維卷積核；

第三池化層中采用最大池化，核的大小和步長均為2；

第四卷積層中共有256個大小均為3的卷積核；

第四池化層中采用最大池化，核的大小和步長均為2。

8.根據(jù)權(quán)利要求6所述的基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，長短期記憶人工神經(jīng)網(wǎng)絡(luò)通過alpha＝0.3的LeakRelU激活函數(shù)進行計算。

9.根據(jù)權(quán)利要求7所述的基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，第一層的全連接層的激活函數(shù)為ReLU函數(shù)，第二層全連接層的激活函數(shù)為Sigmoid函數(shù)。

10.根據(jù)權(quán)利要求1-3任一項所述的基于改進損失函數(shù)的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，已知心律類型的多導(dǎo)聯(lián)心電信號的數(shù)量為每種心律類型均大于5000條。