【技术实现步骤摘要】
一种基于深度学习的多元时间序列分类方法
[0001]本专利技术涉及人工智能领域,更具体地,涉及一种基于深度学习的多元时间序列分类方法。
技术介绍
[0002]膝关节作为人体最复杂的负重关节之一,在步行和运动时承受更多的负荷,发挥重要的减震作用,而与此同时膝关节损伤也十分常见。其中,膝关节前交叉韧带损伤(anterior cruciate ligament deficiency,ACL
‑
D)是最常见的运动损伤之一。随着经济的发展与生活水准的提高,人们的运动需求逐渐提升,随之而来的是运动损伤的增加。前交叉韧带(anterior cruciate ligament,ACL)不仅限制胫骨前平移,而且还控制膝关节轴向旋转和静脉曲张运动,在控制人体膝关节稳定性方面具有较高的作用价值。它是稳定膝关节的重要的静力性结构,损伤后可引起膝关节不稳,并且均无法自愈,对患者的生活质量会造成严重影响,如不及时进行手术治疗,极易引起严重的关节软骨损伤,严重影响患者的生活质量以及运动水平,最终需进行人工关节置换。
[0003]国外发达地区医疗机构调查结果表明,二十世纪90年代末期到2016年这二十多年来,前交叉韧带(ACL)损伤的初诊诊断正确率几乎没有提高,仅14.4%的病人在初诊时被诊断正确。目前临床上对此类损伤的检测和评估诊断主要依赖主观问诊、手法检查和影像手段,使得对膝关节前交叉韧带损伤或断裂的诊断仍存在漏诊或误诊的情况。常见用于前交叉韧带损伤的有CT和MRI等传统影像学技术,通过获取损伤部位的解剖结构信息来供诊 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的多元时间序列分类方法,其特征在于,包括以下步骤:S1:对变量进行特征转换;S2:对进行特征转换后的变量进行全局特征提取和局部特征提取;S3:搭建分类网络;S4:对搭建分类网络进行多目标学习训练,将步骤S2中得到的特征输入训练好的分类网络,最终使得同类样本特征距离拉近,异类样本距离拉远。2.根据权利要求1所述的基于深度学习的多元时间序列分类方法,其特征在于,所述步骤S1的具体过程是:第i个变量对应的时间序列可表示为时间序列向量其中l是序列长度,通过使用延时嵌入对原时序向量进行相位空间重构后,第i个变量对应的重构向量的第j项表示为:其中j=1,2,
…
,l
‑
(d
t
‑
1)
·
t,d
t
为相空间的嵌入维数,t表示时延,延时嵌入后第s个样本表示如下:其中m=l
‑
(d
t
‑
1)
·
t,新的相空间中的每一个点,表示一种可能状态,延迟嵌入维度d
t
为3,时延t为1。3.根据权利要求2所述的基于深度学习的多元时间序列分类方法,其特征在于,所述步骤S2中进行全局特征提取的过程是:每个多元时间序列样本学习一个低维的嵌入其中d
e
是最终嵌入维度,总使用基于神经网络的方法其中θ是函数参数集,是延迟嵌入后的时间序列数据;先在时间序列数据的第三维度上进行池化操作并进行permute操作,使3维转化为2维然后得到其中d
l
是LSTM层hidden size参数的大小,即完成全局特征提取。4.根据权利要求3所述的基于深度学习的多元时间序列分类方法,其特征在于,所述步骤S2中进行局部特征提取的过程是:1)、利用两层卷积,将96个时间点看作96个通道,重点学习18个变量间的关联特征,此时在延迟嵌入的三个相邻时间维度上没有进行卷积,两层卷积之后的平均池化则强化了延迟嵌入的作用,实现了相邻时间点不同变量间局部特征的提取;同时在特征方向上进行池化,减少了后续的计算量,这里使用平均池化,是因为此时处于初步特征挖掘阶段,相比起最大值池化,平均池化能保留更多的信息;2)、首先使第1)步学习到的全部通道的特征,转换进一个通道里,完成维度转换后,方
便后续卷积层可以对第一部分学习到的特征间关系,进行更深层次的挖掘,最后利用squeeze降维,方便后续使用1...
【专利技术属性】
技术研发人员:王梓曼,印鉴,刘威,陈仲,朱怀杰,邱爽,
申请(专利权)人:中山大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。