[發明專利]基于改進損失函數的神經網絡的心律類型識別方法和裝置

有效

• 申請號: 202011335010.2
• 申請日: 2020-11-25
• 公開（公告）號: CN112587146B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 朱俊江;黃浩
• 申請（專利權）人: 上海數創醫療科技有限公司
• 主分類號: A61B5/346
• 分類號: A61B5/346;A61B5/00
• 代理公司: 蘇州知途知識產權代理事務所(普通合伙) 32299
• 代理人: 張錦波

本申請涉及一種基于改進損失函數的神經網絡的心律類型識別方法和裝置，訓練時采用的損失函數主要由兩部分組成：增加了預測的心電標簽向量與心電標簽向量之間的交叉熵損失函數來訓練網絡。由于該損失函數將心電標簽中兩兩不能同時存在的心律組合單獨計算損失，神經網絡能有效的避免預測出的心電標簽向量存在互相矛盾的結果，進而提高神經網絡模型的識別結果的準確性。

技術領域

本申請屬于心電圖技術領域，尤其是涉及一種基于改進損失函數的神經網絡的心律類型識別方法和裝置。

背景技術

心電圖(ECG)是從體表記錄心臟每一心動周期所產生的電活動變化形成的圖形。通過心電圖可以表征出人的多種心臟疾病。“心律不齊”指的是心跳或快或慢，超過了一般范圍。心律不齊可能由心臟自律性異常或傳導障礙等多種因素引起，因此在臨床上心律不齊呈現出不同的種類，例如竇性心動過緩、室性早搏、房性早搏、心房顫動、竇性心動過速等等。這些病種之間可能具有排他性，亦可能是同時具有，因此從數學上看，依據心電信號判別疾病種類的問題是一個復雜的多標簽分類問題。采用深度學習模型解決這類問題時，常用的一種做法是將多標簽分類問題轉化為若干個二分類問題。例如，當判斷一個心電信號的種類是[竇性心動過緩、室性早搏、房性早搏、心房顫動、竇性心動過速、正常心電圖]中的一種和幾種時，往往以心電信號作為輸入，計算出一個長度為6的向量，然后觀察心電向量中各個位置元素的值，元素的值大于0.5表示心電信號屬于該類，否則認為，不屬于該類。

相應的，在訓練深度學習模型時，標簽的設定方式為：心電信號的標簽是一個長度為N的向量，心電信號屬于第i類心律不齊，則標簽向量的第i個元素為1，其余為0；而損失函數則是每一項的損失的疊加。

這種常規的設置方法忽略了心律類型中具有“排他性”的特點，例如一段心電信號若為竇性心動過緩，則不可能為竇性心動過速，若為心房顫動，則不可能為房性早搏，進而導致出現一些結論是錯誤的。

發明內容

本發明要解決的技術問題是：為解決現有技術中的不足，從而提供一種能夠避免出現排他性心律類別的基于改進損失函數的神經網絡的心律類型識別方法和裝置。

本發明解決其技術問題所采用的技術方案是：

一種基于改進損失函數的神經網絡的心律類型識別方法，

獲取未知類型的心律類型的心電信號；

將心電信號輸入到神經網絡模型中；

獲取神經網絡模型的輸出向量A[a₁，a₂,…，a_n]，其中a_i∈[T1，T2]，i＝1、2、3、……n，根據a_i中大于的值確定心律類型；

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

神經網絡模型的訓練包括以下步驟：

采集充分多數量的已知心律類型的心電信號；

以長度為N的定義標簽向量[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；

將心電信號及對應的標簽向量的輸入到神經網絡模型中進行訓練；

訓練時引入損失函數為：

其中，