[發(fā)明專利]一種基于相似度閾值遷移的多尺度Dtw-BiLstm-Gan心電信號(hào)生成方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210032913.6
• 申請(qǐng)日: 2022-01-12
• 公開（公告）號(hào): CN114469120A
• 公開（公告）日: 2022-05-13
• 發(fā)明（設(shè)計(jì)）人: 王琳;宋欣東
• 申請(qǐng)（專利權(quán)）人: 大連海事大學(xué)
• 主分類號(hào): A61B5/318
• 分類號(hào): A61B5/318;A61B5/352;A61B5/00;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 姜威威;李洪福

本發(fā)明一種基于相似度閾值遷移的多尺度Dtw?BiLstm?Gan心電信號(hào)生成方法，屬于數(shù)據(jù)增強(qiáng)領(lǐng)域，包括以下步驟：獲取心電信號(hào)數(shù)據(jù)；對(duì)心電信號(hào)數(shù)據(jù)進(jìn)行預(yù)處理，分別將S數(shù)據(jù)集、V數(shù)據(jù)集按照比例劃分為訓(xùn)練集數(shù)據(jù)、驗(yàn)證集數(shù)據(jù)和測(cè)試集數(shù)據(jù)；由生成器、判別器、相似度判別器構(gòu)成得到多尺度Dtw?BiLstm?Gan模型；V類心拍樣本數(shù)據(jù)集在多尺度Dtw?BiLstm?Gan模型中預(yù)訓(xùn)練，得到的生成器與鑒別器的權(quán)重；將生成器與鑒別器的權(quán)重遷移至S類心拍樣本訓(xùn)練集上作為訓(xùn)練多尺度Dtw?BiLstm?Gan的初始權(quán)重，采用S類心拍樣本訓(xùn)練集完成對(duì)多尺度Dtw?BiLstm?Ga模型的訓(xùn)練基于訓(xùn)練之后的S類心拍樣本的多尺度Dtw?BiLstm?Gan模型中的生成器模型生成批次的偽S類心拍樣本心電信號(hào)，此方法使得本生成網(wǎng)絡(luò)生成信號(hào)與原始信號(hào)之平均DTW降到11.1左右。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)增強(qiáng)領(lǐng)域，涉及一種基于相似度閾值遷移的多尺度 Dtw-BiLstm-Gan心電信號(hào)生成方法。

背景技術(shù)

近年來(lái)，研究人員加大了人工智能對(duì)醫(yī)療領(lǐng)域的應(yīng)用。尤其是心臟病、高血壓等等慢性疾病，具有患病率高、傷害性大、發(fā)病急、易引發(fā)其他疾病等特點(diǎn)。并且從近幾年的統(tǒng)計(jì)中可以看出，由于社會(huì)節(jié)奏快、壓力大，心臟病、高血壓等一些慢性疾病已經(jīng)從老年人逐漸發(fā)展至低年齡段，這引起了人們極大的重視，尤其是心臟病檢測(cè)這一領(lǐng)域，已經(jīng)有不少的研究人員展開了相關(guān)的心臟檢測(cè)算法研究。

為了可以在心臟出現(xiàn)異常時(shí)可以做出準(zhǔn)確的檢測(cè)。各種的心電信號(hào)分類方法不斷出現(xiàn)，采用支持向量機(jī)、貝葉斯、線性判別分析等以傳統(tǒng)的機(jī)器學(xué)習(xí)算法為代表的分類算法以及基于深度學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行分類的算法不斷出現(xiàn)，雖已經(jīng)將分類的準(zhǔn)確率提升至較高的水平，但由于支持向量機(jī)、貝葉斯等傳統(tǒng)算法在對(duì)心電信號(hào)進(jìn)行分類時(shí)存在的不能很好地處理非線性擬合問題、人工處理特征問題以及深度學(xué)習(xí)存在的醫(yī)學(xué)數(shù)據(jù)不足、學(xué)習(xí)能力過(guò)擬合問題，致使有關(guān)心電信號(hào)的分類在F1-分?jǐn)?shù)、靈敏度等分類指標(biāo)只有百分之九十五左右，并且由于心臟病是關(guān)系人類生命健康的重大慢性疾病，我們應(yīng)力求百分之百的準(zhǔn)確率以滿足醫(yī)療診治的需要，如何進(jìn)一步提高分類的準(zhǔn)確率，一直以來(lái)都是醫(yī)學(xué)領(lǐng)域以及計(jì)算機(jī)領(lǐng)域的研究熱點(diǎn)。

目前：由于心電信號(hào)中存在非正常信號(hào)樣本量不足的問題，使得目前對(duì)于非正常信號(hào)在F1-分?jǐn)?shù)、靈敏度等分類指標(biāo)上只有百分之九十五左右，以及現(xiàn)有方法生成的心電信號(hào)與原始數(shù)據(jù)相似度不夠，且生成信號(hào)較為單一，缺乏多樣性，不能很好的用于心電信號(hào)的數(shù)據(jù)增強(qiáng)任務(wù)。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提供本發(fā)明采用的技術(shù)方案是：一種基于相似度閾值遷移的多尺度Dtw-BiLstm-Gan心電信號(hào)生成方法，包括以下步驟：

獲取心電信號(hào)數(shù)據(jù)；

對(duì)心電信號(hào)數(shù)據(jù)進(jìn)行預(yù)處理，提取出心電信號(hào)，從提取的心電信號(hào)中分類出S類心拍樣本和V類心拍樣本，由S類心拍樣本構(gòu)建S數(shù)據(jù)集，由V類心拍樣本構(gòu)建V數(shù)據(jù)集，并分別將S、V數(shù)據(jù)集按照比例劃分為訓(xùn)練集數(shù)據(jù)、驗(yàn)證集數(shù)據(jù)和測(cè)試集數(shù)據(jù)；

由生成器、判別器、相似度判別器構(gòu)成得到多尺度Dtw-BiLstm-Gan模型；

V類心拍樣本訓(xùn)練集在多尺度Dtw-BiLstm-Gan模型中預(yù)訓(xùn)練，得到的生成器與鑒別器的權(quán)重；基于V類心拍樣本數(shù)據(jù)集上預(yù)訓(xùn)練得到的生成器與鑒別器的權(quán)重，將生成器與鑒別器的權(quán)重遷移至S類心拍樣本訓(xùn)練集上作為訓(xùn)練多尺度Dtw-BiLstm-Gan的初始權(quán)重，采用S類心拍樣本訓(xùn)練集完成對(duì)多尺度 Dtw-BiLstm-Gan模型的訓(xùn)練，得到訓(xùn)練好之后的S類心拍樣本的多尺度 Dtw-BiLstm-Gan模型；

基于訓(xùn)練之后的S類心拍樣本的多尺度Dtw-BiLstm-Gan模型中的生成器模型生成批次的偽S類心拍樣本心電信號(hào)，將偽S類心拍樣本心電信號(hào)與原始的S 類心拍樣本心電信號(hào)通過(guò)DTW算法進(jìn)行相似度測(cè)試。