[發明專利]一種基于人工神經網絡的心臟病診斷研究方法

在審

• 申請號: 202210822890.9
• 申請日: 2022-07-14
• 公開（公告）號: CN114898871A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 符瑩瑩
• 申請（專利權）人: 陜西省人民醫院;藏暉醫療科技（徐州）有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/62;G06N3/04;A61B5/318;A61B7/02
• 代理公司: 北京博識智信專利代理事務所(普通合伙) 16067
• 代理人: 鄧凌云

1.一種基于人工神經網絡的心臟病診斷研究方法，其特征在于：包括心音數據預處理模塊、心電數據預處理模塊、心音診斷預測模型、心電診斷預測模型和數據融合分級診斷模型；心電診斷預測模型包括，數據輸入層、編碼自注意力層和前饋神經網絡層：所述數據輸入層，將每個周期的原始心電數據均勻采樣得到維度為1×512的心電數據EC，并將4個周期的心電數據EC合并得到4×512的心電數據EC1，將心電數據進行位置編碼嵌入得到心電數據EC2，進行位置編碼的原因是由于心電數據EC1的處理方式是一次輸入集中處理，從而忽略了數據之間的時序關系，因此需對心電數據EC1進行位置編碼來描述心電數據EC1各個分量之間的先后關系，具體位置編碼的計算公式如下：

上式中，d為心電數據EC的維度，p_i代表位置i處的位置編碼分量。

2.根據權利要求1所述的一種基于人工神經網絡的心臟病診斷研究方法，其特征在于：所述編碼自注意力層，對輸入到編碼自注意力層的心電數據EC2計算各個周期分量之間的相關性，具體操作步驟如下：

S1、隨機生成特征提取矩陣W^q、W^k和W^v，并將特征提取矩陣W^q、W^k和W^v設置為不可訓練，特征提取矩陣W^q、W^k和W^v的維度均為512×64；

S2、隨機產生查尋矩陣Q、鍵矩陣K和值矩陣V，具體計算公式如下：

上式中計算得到的查尋矩陣Q、鍵矩陣K和值矩陣V的維度均為4×64；

S3、計算注意力分數Attention-Score，具體計算公式為：

上式中，d_k為縮放因子，注意力分數Attention-Score的維度為4×64；

S4、引入多頭機制計算多頭注意力分數Multi-Self-Attention，重復執行S1、S2和S3，生成8個注意力分數Attention-Score，并將這8個注意力分數按列拼接，得到多頭注意力分數Multi-Self-Mttention，其維度為4×512；

S5、進行殘差相加操作得到編碼自注意力層的輸出O，具體計算公式如下：

上式中，O代表編碼自注意力層的輸出O，其維度為4×512，每一列使用C1、C2、C3和C4代表，其維度均為1×512。

3.根據權利要求2所述的一種基于人工神經網絡的心臟病診斷研究方法，其特征在于：所述前饋神經網絡層，包括4個BP神經網絡，每個BP神經網絡均由第一層中間隱層和第二層中間隱層構成，其中第一層中間隱層和第二層中間隱層均含有64個神經元，前饋神經網絡層的輸入為編碼自注意力層的輸出O的每一列C1、C2、C3和C4，計算步驟為：

S1、分別將C1、C2、C3和C4輸入到對應的BP神經網絡中計算得到B1、B2、B3和B4：

上式中，b₁表示第一層中間的偏置，b₂表示第二層中間的偏置，W₁為第一層中間隱層的內星權向量，W₂為第二層中間隱層的內星權向量，F_i為每個BP神經網絡的輸出，具體為F₁、F₂、F₃、F₄；

S2、進行殘差相加和歸一化操作，具體計算公式如下：

上式中，E_i表示殘差輸出，分別為E₁、E₂、E₃和E₄；其維度均為1×64。