【技术实现步骤摘要】
一种心搏数据样本分类网络的生成方法和装置
本专利技术涉及心电信号处理
，特别涉及一种心搏数据样本分类网络的生成方法和装置。
技术介绍
心电数据是心电图机通过体表电极收集的一组与心脏心动周期相关的电信号数据，心电分析是对采集的心电数据进行特征分析。利用深度学习对心电数据进行智能分析的方法是将批量特征心电数据作为样本数据输入卷积神经网络进行网络学习训练产生特征分类模型，再利用分类模型对采集的实时心电数据进行检测分类。由此，在深度学习过程中，充足的数据量对于网络学习训练至关重要。但在医学领域，数据不足是非常常见的情况。在心电数据中，常见的心搏类型，如“正常”、“房性早搏”、“室性早搏”等，可以获得上万甚至上百万的心搏片段，属于大样本数据，可以满足训练深度学习网络的需求；不常见的心搏类型，如“室扑”、“室颤”等，一般只能搜集到几百心搏片段，属于小样本数据，对于深度学习来说远远不够。
技术实现思路
本专利技术的目的，就是针对现有技术的缺陷，提供一种心搏数据样本分类网络的生成方法和装置，利用大样本建立特征提取和分类网络模型，再将小样本数据作为该网络模型的优化数据不停对学习网络进行小样本优化学习训练最终生成全样本分类网络模型，凭借由大样本与小样本组合训练出的全样本分类网络模型不仅可以支持对与大样本数据同类的心搏信号被有效识别，同时还能提升对与小样本数据同类的心搏信号的识别精度。本专利技术同时还提供了一种基于心搏数据样本分类网络的心搏数据识别方法和装置，即利用前述方法生成的心搏数据样本分类网络对实时心电数据...
【技术保护点】
1.一种心搏数据样本分类网络的生成方法，其特征在于，所述方法包括：/n心电分析模块从上位机的心电数据库获取指定批量数目的心电数据生成第一批量心电数据，并对所述第一批量心电数据进行心搏样本数据提取处理，生成第一批量样本数据序列；/n所述心电分析模块根据所述第一批量样本数据序列，对所述第一批量样本数据序列进行大样本筛分处理生成大样本数据序列，对所述第一批量样本数据序列进行小样本筛分处理生成小样本数据序列；/n所述心电分析模块基于所述大样本数据序列，对特征提取网络和分类网络进行卷积网络训练处理，生成大样本特征提取网络和大样本分类网络；/n所述心电分析模块基于所述小样本数据序列，对所述大样本特征提取网络进行卷积网络训练处理，生成小样本分类网络；/n所述心电分析模块将所述小样本分类网络与所述大样本分类网络进行分类网络合并处理，生成心搏数据样本分类网络。/n
【技术特征摘要】
1.一种心搏数据样本分类网络的生成方法，其特征在于，所述方法包括：
心电分析模块从上位机的心电数据库获取指定批量数目的心电数据生成第一批量心电数据，并对所述第一批量心电数据进行心搏样本数据提取处理，生成第一批量样本数据序列；
所述心电分析模块根据所述第一批量样本数据序列，对所述第一批量样本数据序列进行大样本筛分处理生成大样本数据序列，对所述第一批量样本数据序列进行小样本筛分处理生成小样本数据序列；
所述心电分析模块基于所述大样本数据序列，对特征提取网络和分类网络进行卷积网络训练处理，生成大样本特征提取网络和大样本分类网络；
所述心电分析模块基于所述小样本数据序列，对所述大样本特征提取网络进行卷积网络训练处理，生成小样本分类网络；
所述心电分析模块将所述小样本分类网络与所述大样本分类网络进行分类网络合并处理，生成心搏数据样本分类网络。
2.根据权利要求1所述的心搏数据样本分类网络的生成方法，其特征在于，所述心电分析模块从上位机的心电数据库获取指定批量数目的心电数据生成第一批量心电数据，并对所述第一批量心电数据进行心搏样本数据提取处理，生成第一批量样本数据序列，具体包括：
所述心电分析模块从所述上位机的所述心电数据库获取所述指定批量数目的所述心电数据生成所述第一批量心电数据；
所述心电分析模块获取预置的心搏样本提取时间长度，生成第一时间长度；初始化所述第一批量样本数据序列为空；
所述心电分析模块对所述第一批量心电数据中的所有所述心电数据做轮询，对当前轮询的所述心电数据进行心搏R点位置确认处理生成当前R点位置序列，以所述当前R点位置序列中每个心搏R点位置为中心，向前、后分别提取所述第一时间长度的心电数据合并为一个心搏样本数据；
所述心电分析模块将所有提取出的所述心搏样本数据向所述第一批量样本数据序列进行样本数据对象添加处理。
3.根据权利要求2所述的心搏数据样本分类网络的生成方法，其特征在于，所述方法还包括：
所述大样本数据序列为一组样本数据分类序列{l1，l2，...li...，lm}；所述m为所述大样本数据序列的分类总数；所述li为所述大样本数据序列中一组同类的心搏样本数据序列{h1，h2，...hs，...hn}；所述i的取值范围为从1到m；所述s的取值范围为从1到n；所述n为每组心搏样本数据序列的心搏样本数据总数；
所述小样本数据序列为一组同类的心搏样本数据序列{x1，x2，...xs，...xn，y1，y2，...ys，...yn}。
4.根据权利要求3所述的心搏数据样本分类网络的生成方法，其特征在于，所述心电分析模块基于所述大样本数据序列，对特征提取网络和分类网络进行卷积网络训练处理，生成大样本特征提取网络和大样本分类网络，具体包括：
所述心电分析模块基于所述大样本数据序列{l1，l2，...li...，lm}，对所述特征提取网络进行卷积网络训练处理，生成所述大样本特征提取网络；所述大样本特征提取网络为卷积层网络F；所述大样本特征提取网络F用于对所述大样本数据序列{l1，l2，...li...，lm}中的所述li中的所有心搏样本数据{h1，h2，...hs，...hn}进行卷积网络计算生成对应的心搏特征值序列{f1，f2，...fs，...fn}，所述心搏特征值fs＝F(hs)；
所述心电分析模块基于所述大样本数据序列{l1，l2，...li...，lm}，对所述分类网络进行卷积网络训练处理，生成所述大样本分类网络；所述大样本分类网络为矩阵网络Wm×n＝(w1，w2，...wi，...wm)T；所述wi为长度为n的矩阵列向量；所述T为矩阵转置运算符。
5.根据权利要求4所述的心搏数据样本分类网络的生成方法，其特征在于，所述心电分析模块基于所述小样本数据序列，对所述大样本特征提取网络进行卷积网络训练处理，生成小样本分类网络，具体包括：
所述心电分析模块将所述小样本数据序列{x1，x2，...xs，...xn，y1，y2，...ys，...yn}分成两部分，生成第一小样本数据序列和第二小样本数据序列；所述第一小样本数据序列{x1，x2，...xs，...xn}包括n个心搏样本数据，所述第二小样本数据序列{y1，y2，...ys，...yn}包括n个心搏样本数据；
所述心电分析模块将所述第一小样本数据序列{x1，x2，...xs，...xn}设置为所述大样本数据序列的第m+1类；基于所述第一小样本数据序列{x1，x2，...xs，...xn}对所述大样本特征提取网络F对进行卷积网络训练处理，生成小样本特征生成网络所述小样本特征生成网络为一个长度为n的向量；
所述心电分析模块将所述第二小样本数据序列{y1，y2，...ys，...yn}设置为所述大样本数据序列的第m+1类；使用所述大样本特征提取网络F对所述第二小样本数据序列{y1，y2，...ys，...yn}进行特征提取计算，生成小样本心搏特征序列{f′1，f′2，...f′s’...f′n}；所述小样本心搏特征序列{f′1，f′2，...f′s’...f′n}包括n个心搏特征值；
所述心电分析模块对所述小样本心搏特征序列{f′1，f′2，...f′s’...f′n}进行特征值平均计算处理，生成小样本特征平均值f′平均，所述
所述心电分析模块根据所述小样本特征生成网络和所述小样本特征平均值f′平均，生成所述小样本分类网络wm+1；所述wm+1为一个长度为n的向量，所述所述运算符为克罗内克乘积。
6.根据权利要求5所述的心搏数据样本分类网络的生成方法，其特征在于，所述心电分析模块将所述小样本分类网络与所述大样本分类网络进行分类网络合并处理，生成心搏数据样本分类网络，具体包括：
所述心电分析模块将所述小样本分类网络wm+1与所述大样本分类网络Wm×n进行分类网络合并处理，生成...
【专利技术属性】
技术研发人员：吴泽剑，曹君，
申请(专利权)人：上海优加利健康管理有限公司，
类型：发明
国别省市：上海;31
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。