【技术实现步骤摘要】
基于S型重构的2D卷积神经网络的心拍分类方法及系统
[0001]本专利技术涉及心电分析
，尤其涉及基于S型重构的2D卷积神经网络的心拍分类方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]传统的心拍分类主要有两种方法，分别为基于特征提取的机器学习算法与无需特征提取的深度学习方法。
[0004]当采用基于特征提取的机器学习算法进行心拍分类时，需手工提取特征，如时域、频域特征等，再选择并训练合适的分类器根据提取的特征进行分类，故选取的特征对分类性能的影响非常关键。基于SVM，Thaweesak等人通过使用二级分类研究输入特征维度固定且自由选择的SVM的性能，其方法的缺陷在于特征维度必须固定，限制了特征的扩展，Nasiri J A等人从心电信号中半自动提取了22个特征，将遗传算法与支持向量机结合，一定程度上增强了模型的泛化性能。这两种方法各自能识别出三种和四种类型的心律失常，但提取的特征都较少，不能反映心电信号中全面信息，影响最后的分类精...
【技术保护点】
【技术特征摘要】
1.基于S型重构的2D卷积神经网络的心拍分类方法，其特征在于，包括：获取ECG心电信号；对获取的ECG心电信号预处理，提取心拍信号；将心拍信号重构为二维信号；将获得的二维信号输入至2D卷积神经网络模型中，获取心拍信号的分类结果。2.如权利要求1所述的基于S型重构的2D卷积神经网络的心拍分类方法，其特征在于，提取心拍信号的具体过程为：获取ECG心电信号中所有的R波位置；根据R波位置从ECG心电信号中提取心拍信号；其中，每个心拍信号包括一个R波。3.如权利要求1所述的基于S型重构的2D卷积神经网络的心拍分类方法，其特征在于，一维心拍信号通过S型重构的方法获得二维信号。4.如权利要求1所述的基于S型重构的2D卷积神经网络的心拍分类方法，其特征在于，在对2D卷积神经网络模型训练时，采用上采样的方法，将不同种类心拍信号的样本数量统一。5.如权利要求1所述的基于S型重构的2D卷积神经网络的心拍分类方法，其特征在于，2D卷积神经网络模型，包括输入层、卷积层、池化层、第三层卷积层、池化层、全连接层和输出层；通过输入层输入二维信号，通过多次卷积池化提取二维信号特征，通过全连接层连接至寄存器，通过输出层输出分类结果。6.如权利要求1所述的基于S...
【专利技术属性】
技术研发人员：张亚涛，张锋，李向宇，李杨晓，董文琦，
申请(专利权)人：山东大学，
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。