【技术实现步骤摘要】
一种基于小波变换与DCNN的心电图分类方法和装置
本专利技术涉及生物医学与模式识别领域,具体涉及一种基于小波变换与DCNN的心电图分类方法和装置。
技术介绍
心房颤动(房颤)是临床最常见的持续性快速心律失常。房颤的主要危害是增加血管栓塞的危险,是缺血性脑卒中的主要原因之一。房颤表现在心电图上就是各导联上窦性P波消失,QRS波形态、振幅与窦性心律基本相同,R-R间期绝对不均衡。心电图自动分析与分类系统可以为医生诊断心脏疾病提供巨大帮助,对提高医疗效率,降低医疗成本,预防诊断心脏疾病具有重要意义。近几年国内外对心电信号自动识别分类进行了广泛的研究。随着机器学习的发展,利用支持向量机(SVM)来进行多分类任务,利用内积核函数代替向高维空间的非线性映射,实现高效的从训练样本到预测样本的“推理转换”。Kumar提出了一种基于小波变换心电信号自动分类方法,对心电信号进行节拍分割。并对每个心电节拍进行小波变换,最后采用支持向量机来分类。Ramírez对597例慢性心力衰竭伴窦性心律患者的心电图记录进行分,最终使用支持向量机将患者分为三组,取得了良好的结果。SmisekIt提出利用个体节拍和整体心电图的不同节律和形态特征分别表示短期事件和整体趋势,最后用支持向量机进行分类。但是由于SVM的计算能力对数据规模和机器设备有较大的依赖,应用到多分类问题的时候,对数据高维度特征必须进行降维处理后才能进行分类,降维往往会丢失数据特征,从而影像分类精度,所以应用到多分类问题时,使用深度学习更有优势。随着深度学习的迅速发展,神经网 ...
【技术保护点】
1.一种基于小波变换与DCNN的心电图分类方法,其特征在于,其实现包括如下步骤:/n步骤S1、选取数据集,对数据集中的心电图数据进行采样;/n步骤S2、数据集预处理,使用小波变换对数据集中的心电图数据进行预处理,得到心电数据测试样本;/n步骤S3、深度卷积,特征提取,采用深度卷积神经网络DCNN提取心电信号的层次特征,采用了比提取图像特征更大的卷积核,来扩大卷积和的感受视野,同时使用一维卷积核对心电信号进行特征提取;/n步骤S4、采用分类器对心电数据测试样本进行预测并输出分类结果;/n步骤S5、对分类器输出的分类结果进行评价。/n
【技术特征摘要】
1.一种基于小波变换与DCNN的心电图分类方法,其特征在于,其实现包括如下步骤:
步骤S1、选取数据集,对数据集中的心电图数据进行采样;
步骤S2、数据集预处理,使用小波变换对数据集中的心电图数据进行预处理,得到心电数据测试样本;
步骤S3、深度卷积,特征提取,采用深度卷积神经网络DCNN提取心电信号的层次特征,采用了比提取图像特征更大的卷积核,来扩大卷积和的感受视野,同时使用一维卷积核对心电信号进行特征提取;
步骤S4、采用分类器对心电数据测试样本进行预测并输出分类结果;
步骤S5、对分类器输出的分类结果进行评价。
2.根据权利要求1所述的一种基于小波变换与DCNN的心电图分类方法,其特征在于,步骤S1中,数据集选取2017PhysioNet/CINCChallenge所提供的心电图数据集来作为评判,采样时长持续9s至60s,以300Hz采样,并通过AliveCor设备进行带通滤波。
3.根据权利要求1或2所述的一种基于小波变换与DCNN的心电图分类方法,其特征在于,步骤S2中,小波变换包括小波分解、小波重构,先将原始心电信号分解成小波分量到选定的层次,将噪音滤波后把信号进行小波重构,得到重构为不同尺度的心电信号;
通过基函数的伸缩和平移,能够在时域和频域同时具有良好的局部化性质,从而过滤掉心电图数据中的干扰波形,小波变函数计算公式如下:
小波变换有两个变量:尺度α和平移量τ,尺度α控制小波函数的伸缩,平移量τ控制小波函数的平移。
4.根据权利要求3所述的一种基于小波变换与DCNN的心电图分类方法,其特征在于,步骤S2中,利用小波变换进行分解,将分解层数设置为9,所选择的小波基是Daubechies(dbN)小波,N是小波的阶数,
除N=1外,其他小波没有明确的表达式,但转换函数h的平方模是很明确的,假设:
其中为二项式系数,则有:
其中:
小波ψ(t)和尺度函数φ(t)中的支撑区为2N-1,ψ(t)的消失矩为N,小波变换可以描述为f(t)∈L2(R)通过带通滤波器的输出响应。
5.根据权利要求1、2或4所述的一种基于小波变换与DCNN的心电图分类方法,其特征在于,步骤S3中,深度卷积神经网络DCNN包括:
卷积单元,采用卷积核将输入的特征图进行卷积求和,设计有24个Conv卷积层,每8个Conv卷积层采取不同卷积核大小来提取数据特征值,每个Conv卷积层后加入Dropout层,每2个Conv卷积层之间加入BN层;
池化单元,对卷积的特征图进行下采样,设计有12个池化层,交叉设置在...
【专利技术属性】
技术研发人员:成金勇,赵运祥,张平,
申请(专利权)人:齐鲁工业大学,
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。