[發(fā)明專(zhuān)利]一種基于全卷積神經(jīng)網(wǎng)絡(luò)的血氧信號(hào)分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111026257.0
• 申請(qǐng)日: 2021-09-02
• 公開(kāi)（公告）號(hào): CN113576472A
• 公開(kāi)（公告）日: 2021-11-02
• 發(fā)明（設(shè)計(jì)）人: 肖禾;王崇寶;周小東;胡俊杰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 成都云衛(wèi)康醫(yī)療科技有限公司
• 主分類(lèi)號(hào): A61B5/145
• 分類(lèi)號(hào): A61B5/145;A61B5/1455;A61B5/0205;G06K9/62;G06N3/04;G06N3/08;A61B5/11
• 代理公司: 北京中索知識(shí)產(chǎn)權(quán)代理有限公司 11640
• 代理人: 霍春月

1.一種基于全卷積神經(jīng)網(wǎng)絡(luò)的血氧信號(hào)分割方法，其特征在于，包括以下步驟：

步驟1：采集監(jiān)測(cè)信號(hào)、人工標(biāo)記后形成信號(hào)數(shù)據(jù)庫(kù)；

步驟2：采用信號(hào)數(shù)據(jù)庫(kù)中的數(shù)據(jù)訓(xùn)練全卷積神經(jīng)網(wǎng)絡(luò)；

步驟3：將監(jiān)測(cè)信號(hào)輸入全卷積神經(jīng)網(wǎng)絡(luò)即可得到分割結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的血氧信號(hào)分割方法，其特征在于，所述全卷積神經(jīng)網(wǎng)絡(luò)包括編碼網(wǎng)絡(luò)和解碼網(wǎng)絡(luò)；編碼網(wǎng)絡(luò)依次進(jìn)行四次降采樣過(guò)程，解碼網(wǎng)絡(luò)依次包括四次上采樣過(guò)程。

3.根據(jù)權(quán)利要求2所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的血氧信號(hào)分割方法，其特征在于，所述降采樣過(guò)程采用降采樣模塊進(jìn)行，上采樣過(guò)程采用上采樣模塊進(jìn)行；

降采樣模塊包括依次串聯(lián)連接的卷積層、歸一化層、激活層和最大池化層；上采樣模塊包括依次串聯(lián)連接的卷積層、歸一化層和激活層；卷積層輸入為編碼網(wǎng)絡(luò)輸出和線性差值上采樣進(jìn)行通道疊加后結(jié)果。

4.根據(jù)權(quán)利要求1所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的血氧信號(hào)分割方法，其特征在于，所述步驟3中的監(jiān)測(cè)信號(hào)經(jīng)預(yù)處理后輸入全卷積神經(jīng)網(wǎng)絡(luò)，預(yù)處理過(guò)程如下：

式中：x_i為輸入信號(hào)，y_i為處理后信號(hào)，x_mean為信號(hào)的平均值，x_std為信號(hào)的標(biāo)準(zhǔn)差。

5.根據(jù)權(quán)利要求1所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的血氧信號(hào)分割方法，其特征在于，所述監(jiān)測(cè)信號(hào)包括血氧信號(hào)、心率信號(hào)和體動(dòng)信號(hào)；輸出的分割結(jié)果(3，L)在第一個(gè)維度上經(jīng)SoftMax歸一化后，輸出對(duì)應(yīng)類(lèi)別信號(hào)概率，選擇概率值最大的類(lèi)別作為對(duì)應(yīng)點(diǎn)的類(lèi)別；

式中：x_i和x_j為輸出特征值。

6.根據(jù)權(quán)利要求1所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的血氧信號(hào)分割方法，其特征在于，所述步驟1標(biāo)記包括對(duì)信號(hào)標(biāo)記氧減和偽差。

7.根據(jù)權(quán)利要求1所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的血氧信號(hào)分割方法，其特征在于，所述全卷積神經(jīng)網(wǎng)絡(luò)采用Dice指標(biāo)進(jìn)行評(píng)價(jià)：

式中：TP為被判定為負(fù)樣本實(shí)際為負(fù)樣本，F(xiàn)P為被判定為正樣本實(shí)際為負(fù)樣本，F(xiàn)N為被判定為負(fù)樣本實(shí)際為正樣本。