基于组卷积残差网络和长短期记忆网络的房颤识别方法技术

本发明专利技术公开了一种基于组卷积残差网络和长短期记忆网络的房颤识别方法，涉及房颤机器识别领域。本发明专利技术在基于组卷积残差网络和长短期记忆网络的网络结构上实现三个通道分别对三个不同频段的心电信号进行提取特征后再采用LSTM进行时域上的特征分析，最后将心电信号片段分类为正常、房颤、噪声较大片段和其他节拍片段，采用此网络模型可以提高在有噪声的干扰的情况下的房颤识别正确性，缩短分析时间，提高了算法的实时性，基于组卷积残差网络结构可以在不增加参数复杂度的前提下提高分类准确率，得益于残差模块中的组卷积块的拓扑结构，同时还减少了超参数的数据量。

Identification of atrial fibrillation based on group convolution residual network and long and short term memory network

【技术实现步骤摘要】
基于组卷积残差网络和长短期记忆网络的房颤识别方法
本专利技术涉及房颤机器识别
，具体涉及一种基于组卷积残差网络和长短期记忆网络的房颤识别方法。
技术介绍
心房颤动(房颤)是最常见的心律失常疾病，在总体人口中患病率在0.4-1％左右，80岁以上的人增加到8％。房颤症状的出现还与冠心病、高血压病和心力衰竭等疾病有密切联系。房颤本身并不会直接威胁患者的生命健康。但若无及时的治疗，房颤会引起严重的并发症，如心力衰竭和中风。心力衰竭会严重影响患者的生活质量而中风被世界卫生组织列为世界第二大死因，二者严重威胁人们生命健康。因此，早期房颤检测对于预防其诱发的病症至关重要。现有技术中对房颤的识别方法通常采用下述三种方法：(1)RuhiMahajan等人提出一种一种结合概率符号模式识别和样本熵的特征提取方法，通过这种方法来表征心电信号的形态学变化，进而识别房颤信号；(2)XiaoyanXu等人提出一种将改良的频率切片小波变换(ModifiedFrepquencySliceWaveletTransform，MFSWT)和卷积神本文档来自技高网...

【技术保护点】
1.基于组卷积残差网络和长短期记忆网络的房颤识别方法，其特征在于，包括以下步骤：/nS1、数据预处理，将原始心电信号用窗长为2500，步长为1的滑动窗切分为n个片段，并将切分后的片段降采样到250Hz，然后将降采样后的信号通过低通滤波、带通滤波、高通滤波，得到三个频段序列d1、d2和d3；/nS2、将所述步骤S1中得到的所述三个频段序列d1、d2和d3数据一一对应输入到三个残差网络中进行特征提取；/nS3、将所述步骤S2中提取的特征信号输入到LSTM中，对其时序特征进行模式序列地提取；/nS4、将LSTM的输出用全连接层进行平铺，然后用交叉熵函数进行计算损失；/nS5、判断损失是否小于阈值，如...

【技术特征摘要】
1.基于组卷积残差网络和长短期记忆网络的房颤识别方法，其特征在于，包括以下步骤：
S1、数据预处理，将原始心电信号用窗长为2500，步长为1的滑动窗切分为n个片段，并将切分后的片段降采样到250Hz，然后将降采样后的信号通过低通滤波、带通滤波、高通滤波，得到三个频段序列d1、d2和d3；
S2、将所述步骤S1中得到的所述三个频段序列d1、d2和d3数据一一对应输入到三个残差网络中进行特征提取；
S3、将所述步骤S2中提取的特征信号输入到LSTM中，对其时序特征进行模式序列地提取；
S4、将LSTM的输出用全连接层进行平铺，然后用交叉熵函数进行计算损失；
S5、判断损失是否小于阈值，如果为是，则保存数据模型，否则进行反向传播继续训练模型。


2.根据权利要求1所述的基于组卷积残差网络和长短期记忆网络的房颤识别方法，其特征在于，所述残差网络由多个残差模块堆叠而成，所述残差模块包含一个用于将原来的单层卷积进行分组卷积的组卷积块。


3.根据权利要求2所述的基于组卷积残差网络和长短期记忆网络的房颤识别方法，其特征在于，所述残差模块的第一部分为一层卷积层、批标准化层、激活层；第二部分为一个组卷积块、批标准化层、激活层；第三部分为一层卷积、批标准化层、激活层，输入该第三部分的激活层的数据为在该第三部分的批标准化输出的数据流和残差模块的输入数据之和。


4.根据权利要求3所述的基于组卷积残差网络和长短期记忆网络的房颤识别方法，其特征在于，所述残差模块的第一部分的表达式为：
Fm，n＝ReLU(BN(conv1D(wm，n，1，xm，n)))；
其中，表示残差网络序号，表示残差模块序号，BN表示批标准化，conv1D(·)表示一维卷积，wm，n，1表示第m个网络通道第n个残差模块第一部分的卷积核参数，xm，n表示第m个网络通道第n个残差模块的输入，ReLU表示激活函数，激活函数的表达式为：


5.根据权利要求4所述的基于组卷积残差网络和长短期记忆网络的房颤识别方法，其特征在于，所述残差模块的第二部分的表达式为：
其中，x＝[x1，x2，...，xg]表示组卷积块中每一组的输入，g表示组卷积的组数，i表示序数，Ti(x)表示组卷积块中每一组中三...

【专利技术属性】
技术研发人员：余锭能，吕俊，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44