【技术实现步骤摘要】
基于轻量级神经网络的心电图分类方法
本专利技术涉及心电图分类
,具体涉及一种基于轻量级神经网络的心电图分类方法。
技术介绍
心电图检查在医院已成为常见检验项目,心电图是医生判断病人心脏状况最基本的指标。心电图信号是由心脏的电活动引起的非平稳周期性生物信号,蕴含大量复杂的心脏活动信息,只有经过专业培训的医生才能准确解读。因为心脏结构复杂和心脏活动规律较多,所以心律失常类型分类较多。普通的深度学习方法虽然预测结果较好,但是网络过于复杂,在计算能力有限的平台上难以满足实时性要求。
技术实现思路
本专利技术为了克服以上技术的不足,提供了一种提高网络学习精度的轻量级神经网络(LNet)的心电图分类方法。本专利技术克服其技术问题所采用的技术方案是:一种基于轻量级神经网络的心电图分类方法,包括如下步骤:a)计算机从MIT-BIH心律失常数据库中获取心电数据,根据心电数据中导联记录内容,选择upper信号为Ⅱ导联信号作为实验数据;b)使用基于双尺度小波变换法对实验数据进行降噪处理,定位实验数据中的QRS波群,通过QRS波群获取心电信号中的P波和T波的位置,获取一个心拍数据,通过边缘填充随机剪裁算法得到心拍数据的扩充数据集;c)对扩充数据集添加高斯白噪声,得到数据集集合,通过公式Xi={x11,x12,...x1N}计算数据集集合中第i个样本Xi,式中x11为心电数据中肢体II导联第1个点位电压,N为心电数据中肢体II导联使用的像素点个数;d)通过包含c1个卷积核的一维卷积层Conv1D对数据集集合提取特征,得到特征图a1,其中c1为特征图a1通道数,w1为特征图a1每个 ...
【技术保护点】
1.一种基于轻量级神经网络的心电图分类方法,其特征在于,包括如下步骤:a)计算机从MIT‑BIH心律失常数据库中获取心电数据,根据心电数据中导联记录内容,选择upper信号为Ⅱ导联信号作为实验数据;b)使用基于双尺度小波变换法对实验数据进行降噪处理,定位实验数据中的QRS波群,通过QRS波群获取心电信号中的P波和T波的位置,获取一个心拍数据,通过边缘填充随机剪裁算法得到心拍数据的扩充数据集;c)对扩充数据集添加高斯白噪声,得到数据集集合,通过公式Xi={x11,x12,...x1N}计算数据集集合中第i个样本Xi,式中x11为心电数据中肢体II导联第1个点位电压,N为心电数据中肢体II导联使用的像素点个数;d)通过包含c
【技术特征摘要】
1.一种基于轻量级神经网络的心电图分类方法,其特征在于,包括如下步骤:a)计算机从MIT-BIH心律失常数据库中获取心电数据,根据心电数据中导联记录内容,选择upper信号为Ⅱ导联信号作为实验数据;b)使用基于双尺度小波变换法对实验数据进行降噪处理,定位实验数据中的QRS波群,通过QRS波群获取心电信号中的P波和T波的位置,获取一个心拍数据,通过边缘填充随机剪裁算法得到心拍数据的扩充数据集;c)对扩充数据集添加高斯白噪声,得到数据集集合,通过公式Xi={x11,x12,...x1N}计算数据集集合中第i个样本Xi,式中x11为心电数据中肢体II导联第1个点位电压,N为心电数据中肢体II导联使用的像素点个数;d)通过包含c1个卷积核的一维卷积层Conv1D对数据集集合提取特征,得到特征图a1,其中c1为特征图a1通道数,w1为特征图a1每个通道特征宽度,计算得到第k个通道的特征图e)通过卷积核为1的卷积层将特征图进行压缩,得到压缩特征图a2.1,其中压缩特征图a2.1通道数为c2.1,压缩特征图a2.1每个通道特征宽度为w2.1,通过深度卷积层计算得到压缩特征图计算得到第k个通道的特征图其中压缩特征图的通道数为c22,压缩特征图的每个通道特征宽度为w22;f)通过批处理层,利用公式计算特征图归一化数据均值u2.2,式中为特征图第k个通道的第i个特征,通过公式计算特征图归一化数据方差σ2.2,通过公式计算特征图规范化函数BNγ,β(a2.2),其中式中0<ε<0.001,γ为线性规范化的斜率,β为线性规范化的截距,a2.3为a2.2批规范化的结果;g)通过非线性激活层,利用公式计算得到线性修正结果a2.4,通过逐点卷积层对线性修正结果a2.4计算得到扩张特征图a2.5,通过批处理层和ReLU激活函数对扩张特征图a2.5计算得到特征图a2,其中特征图a2的通道数为c2,特征图a2的每个通道特征宽度为w2;h)通过最大池化层,计算特征图a2压缩后的结果特征图a3;i)用结果特征图a3替换步骤d)中的特征图a1后重复执行步骤e)至步骤h),得到心电特征图a4,其中心电特征图a4的通道数为c4,心电特征图a4的每个通道特征宽度为w4;j)通过池化层,计算心电特征图a4压缩后的结果特征图a5;k)...
【专利技术属性】
技术研发人员:王英龙,成曦,朱清,舒明雷,刘辉,许继勇,
申请(专利权)人:山东省计算中心国家超级计算济南中心,
类型:发明
国别省市:山东,37
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。