[發明專利]一種基于1DCNN+InceptionNet+GRU融合網絡的心率識別方法

有效

• 申請號: 202110103335.6
• 申請日: 2021-01-26
• 公開（公告）號: CN112932431B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 潘曉光;王小華;張娜;董虎弟;宋曉晨
• 申請（專利權）人: 山西三友和智慧信息技術股份有限公司
• 主分類號: A61B5/024
• 分類號: A61B5/024;A61B5/346
• 代理公司: 太原榮信德知識產權代理事務所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

1.一種基于1DCNN+InceptionNet+GRU融合網絡的心率識別方法，其特征在于，包括以下步驟：

S1、數據集構建：基于標準數據集構建帶有心率正常/失常二分類標簽的數據集，將其保存為讀取快速的NPY數據，將正常心電信號標簽重構為0，將15類心率失常信號標簽重構為1；

S2、數據去噪：使用高通濾波器與低通濾波器對NPY數據進行處理，降低噪聲對NPY數據識別造成的影響，提高識別準確率；

S3、數據分段：以500時間步為一段，對NPY數據進行分段，基于其對應標簽建立分段后數據標簽；

S4、數據集劃分：按照7：3的比例將數據集隨機劃分為訓練集與測試集；

S5、模型構建：通過三種網絡融合構建模型，利用所述三種網絡對數據進行不同尺度與結構的特征提取，充分分析數據特征，對數據進行高精度的分類；

S6、模型訓練：將訓練集數據輸入模型，對模型進行循環迭代訓練，直到模型損失不再下降，準確率不再提升，停止訓練，保存模型；

S7、標簽處理：經模型識別后得到的輸出結果為(0，1)范圍內的概率數據，對標簽進行處理，得到二分類結果；

所述步驟S5中，模型由1DCNN、InceptionNet、GRU、FC四層依次連接構成。

2.根據權利要求1所述的一種基于1DCNN+InceptionNet+GRU融合網絡的心率識別方法，其特征在于：所述步驟S1中，所使用數據集基于MIT-BIH心率失常標準數據集構建，數據內容為心電信號數據，該數據集由正常心電信號與15類心率失常信號構成。

3.根據權利要求1所述的一種基于1DCNN+InceptionNet+GRU融合網絡的心率識別方法，其特征在于：所述步驟S2中，心電信號頻率一般處于1-45Hz內，先對數據進行0.9Hz的高通濾波，去除零點漂移干擾，之后使用46Hz的低通濾波器對數據進行濾波，排除肌電干擾。

4.根據權利要求1所述的一種基于1DCNN+InceptionNet+GRU融合網絡的心率識別方法，其特征在于：所述1DCNN層由2層1D卷積層構成，卷積核大小為5，步長為2，每層后使用Relu作為激活函數，所述ReLu激活函數為f(x)＝max(0,x)，f(x)為ReLu函數激活后輸出的數據，x為輸入數據。

5.根據權利要求1所述的一種基于1DCNN+InceptionNet+GRU融合網絡的心率識別方法，其特征在于：所述InceptionNet層由三個大小為1、3、5的卷積核進行SAME卷積，其中卷積核為5的卷積層之前額外使用一個卷積核大小為1的卷積層。

6.根據權利要求1所述的一種基于1DCNN+InceptionNet+GRU融合網絡的心率識別方法，其特征在于：所述GRU層每個GRU單元包含32個隱藏單元。

7.根據權利要求1所述的一種基于1DCNN+InceptionNet+GRU融合網絡的心率識別方法，其特征在于：所述FC層由2層全連接構成，使用Sigmoid對結果進行輸出，所述Sigmoid函數為k表示FC層輸出的結果，S(k)表示Sigmoid運算后輸出的結果。

8.根據權利要求1所述的一種基于1DCNN+InceptionNet+GRU融合網絡的心率識別方法，其特征在于：所述步驟S7中，使用訓練完成的模型對測試集數據進行分類預測，其中輸出結果大于0.5的標簽認為該條數據為心率失常數據，小于等于0.5的標簽為正常數據。