[發明專利]一種基于深度學習的心電壓縮感知重構系統

在審

• 申請號: 202110554209.2
• 申請日: 2021-05-20
• 公開（公告）號: CN113317798A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 張宏坡;董忠仁;孫夢雅;谷紅壯
• 申請（專利權）人: 鄭州大學
• 主分類號: A61B5/346
• 分類號: A61B5/346
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的心電壓縮感知重構系統，包括可穿戴設備端和遠程服務器端，其特征是：所述可穿戴設備端依據壓縮感知理論對原始心電信號進行隨機投影，得到壓縮信號；所述遠程服務器端對可穿戴設備端發送的壓縮信號進行轉置投影和歸一化處理，再將處理好的數據輸入至預先建立的心電壓縮感知重構模型中，輸出重構完好的心電信號；所述重構具體步驟如下：

步驟1：可穿戴設備端對原始心電信號進行隨機投影；過程如下：

其中，

y⁽ⁱ⁾是壓縮之后的心電信號，

x⁽ⁱ⁾是第i條原始ECG信號，

是觀測矩陣，維度是n×m；

步驟2：可穿戴設備端將壓縮數據傳輸到遠程服務器端；

步驟3：服務器端對壓縮信號進行轉置投影操作；過程如下：

其中，

是觀測矩陣的轉置，

是轉置投影信號；

步驟4：服務器端對轉置投影信號進行歸一化操作；過程如下：

其中，

是均值，

是標準差，

r⁽ⁱ⁾是標準化之后的數據；

步驟5：服務器端對歸一化之后的數據輸入心電壓縮感知重構算法中的CNN中，輸出初始重構的心電信號；過程如下：

其中，

g＝(1,2)是卷積層的索引號，

c^g是第g卷積層的輸出，

f是非線性激活函數，

b⁽ⁱ⁾是特征圖的偏置項，

M是卷積核尺寸，

w_m是第m個特征圖的權重；

步驟6：服務器端對初始重構信號輸入心電壓縮感知重構算法中的LSTM中，輸出二次重構的心電信號；過程如下：

其中，

是一個t時刻的輸入序列(也是CNN的輸出)，

i_t，f_t，o_t，和h_t是分別是輸入門，遺忘門，輸出門，單元狀態和隱藏狀態，

w是權重矩陣，

b是偏置向量；

2.根據權利要求1所述的一種基于深度學習的心電壓縮感知重構系統，其特征在于：整個CSNet由一個CNN和LSTM結合而成。CNN僅由三個卷積層組成，卷積核數量依次為64,、32和1；卷積核的大小都為11。另外，因為要保證心電信號長度不變，沒有設置池化層。最后只設置一個卷積核也是為了保證輸出一個與原始信尺寸相同的初始重構信號。

3.根據權利要求1所述的一種基于深度學習的心電壓縮感知重構系統，其特征在于：整個CSNet由一個CNN和LSTM結合而成。LSTM設置了250個Cell，最后的全連接層設置256個神經元，保證了二次重建信號的形狀與原始信號相同。

4.根據權利要求1所述的一種基于深度學習的心電壓縮感知重構系統，其特征在于：在心電壓縮感知重構算法訓練過程中，設置batch size為256，訓練使用的損失函數是MSE，采用Adam進行優化，初始學習率設置為0.0005，在每一次循環迭代中更新模型參數。

5.根據權利要求1所述的一種基于深度學習的心電壓縮感知重構系統，其特征在于：所述可穿戴設備端將隨機投影后的壓縮數據通過無線發射模塊傳輸至遠程服務器端。

6.根據權利要求1所述的一種基于深度學習的心電壓縮感知重構系統，其特征在于：可穿戴設備端采集人體心電數據。