[發明專利]基于殘差網絡的12導聯ECG心律失常檢測分類模型構建方法

在審

• 申請號: 202110096808.4
• 申請日: 2021-01-25
• 公開（公告）號: CN112906748A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 劉華鋒;冉翱
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G16H50/70;A61B5/346
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 王琛

1.一種基于殘差網絡的12導聯ECG心律失常檢測分類模型構建方法，包括如下步驟：

(1)利用12導聯心電圖機采集不同病人的12導聯體表心電數據，并記錄每組心電數據所對應的心律失常疾病類型；

(2)對所述心電數據進行處理以提取其中每一個單獨的心拍；

(3)對于任一組心電數據，通過對心拍進行隨機排序并拼接得到多個特征樣本；

(4)搭建基于殘差網絡的網絡模型，利用大量特征樣本對該模型進行訓練，即以特征樣本及其對應的心律失常疾病類型分別作為模型的輸入以及輸出的真值標簽，從而得到用于ECG心律失常檢測的分類模型。

2.根據權利要求1所述的12導聯ECG心律失常檢測分類模型構建方法，其特征在于：所述步驟(1)的具體實現方式為：首先讓病人上身貼上醫學12導聯的體表電極貼片，利用心電圖機采集病人的體表心電數據，并記錄每組共12個通道的心電信號。

3.根據權利要求1所述的12導聯ECG心律失常檢測分類模型構建方法，其特征在于：所述步驟(2)的具體實現方式為：首先利用3～45Hz的非遞歸型濾波器對12導聯體表心電數據中各通道心電信號進行濾波處理，再通過R波檢測算法將各通道心電信號中的心拍單獨提取出來。

4.根據權利要求1所述的12導聯ECG心律失常檢測分類模型構建方法，其特征在于：所述步驟(3)的具體實現方式為：對于同一病人所采集到的一組心電數據，將其中每一個心拍進行通過shuffle函數進行隨機排序，然后每四個心拍按順序拼接起來作為一個特征樣本，從而得到多個特征樣本。

5.根據權利要求1所述的12導聯ECG心律失常檢測分類模型構建方法，其特征在于：所述步驟(4)中在搭建網絡模型之前，將所有病人的所有特征樣本分為訓練集、驗證集和測試集，其中訓練集用于訓練模型，驗證集用于初步評估模型的預測能力并對模型參數進行微調，測試集用于對最終訓練完成的模型的泛化能力進行評估。

6.根據權利要求1所述的12導聯ECG心律失常檢測分類模型構建方法，其特征在于：所述網絡模型從輸入至輸出由2個一維卷積神經網絡層A1～A2、16個SE-ResNet殘差塊B1～B16、平均池化層、丟棄層D1、3個全連接層E1～E3依次連接組成，每個SE-ResNet殘差塊從輸入至輸出由一維卷積神經網絡層A3、丟棄層D2、一維卷積神經網絡層A4、自適應池化層、全連接層E4、ReLu層、全連接層E5、Sigmoid層依次連接組成。

7.根據權利要求6所述的12導聯ECG心律失常檢測分類模型構建方法，其特征在于：所述一維卷積神經網絡層A1采用的卷積核大小為15，步長為2；一維卷積神經網絡層A2采用的卷積核大小為7，步長為2；一維卷積神經網絡層A3～A4采用的卷積核大小為5，步長為1。

8.根據權利要求6所述的12導聯ECG心律失常檢測分類模型構建方法，其特征在于：所述丟棄層D2隨機選擇30％的網絡權重參數重置為0，丟棄層D1隨機選擇40％的網絡權重參數重置為0，所述全連接層E1～E3中的神經元數量分別為512、256、24。

9.根據權利要求6所述的12導聯ECG心律失常檢測分類模型構建方法，其特征在于：所述一維卷積神經網絡層A1～A2的輸出均依次經批標準化和ReLu函數處理。

10.根據權利要求5所述的12導聯ECG心律失常檢測分類模型構建方法，其特征在于：所述步驟(4)中訓練網絡模型的具體過程為：首先批量將訓練集的特征樣本輸入至網絡模型中，然后計算模型每一輸出結果與對應真值標簽之間的損失函數L，以損失函數L最小為目標通過反向傳播法對網絡模型中的參數不斷進行優化，最終訓練完成后得到用于ECG心律失常檢測的分類模型。