基于ResOHEM-net的心律失常分类方法及系统技术方案

本发明专利技术公开了基于ResOHEM

【技术实现步骤摘要】
基于ResOHEM
‑
net的心律失常分类方法及系统


[0001]本专利技术涉及心律类型识别的
，特别涉及一种基于ResOHEM
‑
net的心律失常分类方法及系统。

技术介绍

[0002]全世界有数百万人患有心血管疾病，而其最主要的原因是心律失常，对心律失常的快速诊断和精准施救可以最大程度的降低其带来的伤害
[0003]现有的主流心律失常分类方法主要为统计模式识别和人工神经网络，统计模式识别依赖于模式空间的人为构建，主要依靠研究者的专业知识搭建相关的特征参数，但这不仅消耗研究者大量的时间，前期的知识水平良莠不齐使得模型构建压力倍增，后期的特征挑选也需要研究者再三斟酌。并且人为挑选的特征存在认知瓶颈，在识别准确率上有待提高。人工神经网络不需要人为提取和挑选特征参数，而是通过神经网络的卷积结构将数据中的高维特征提取出来进行训练，这为研究人员节省了大量的时间成本。同时，神经网络层数的增加会在一定程度上提升模型的性能，可深层的神经网络易出现梯度消失的问题。另一方面，层数较少的神经网络虽然训练时间少可模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ResOHEM
‑
net的心律失常分类方法，其特征在于，包括以下步骤：获取心电波形信号，基于离散小波变换进行消噪处理，并进行R点检测和以拍分割，得到心拍序列，基于马尔可夫变迁场图像化的方法计算得出二维特征图；将所述二维特征图作为训练集的输入矩阵，将所述二维特征图对应的心拍类型值作为训练集的另一输入值，基于ResOHEM
‑
net神经网络进行模型训练，并通过SGD优化算法和OHEM模块对网络参数进行优化，得到训练好的心拍分类模型；接收待分类的所述心电波形信号对应的所述二维特征图，基于训练好的所述心拍分类模型，获得心拍分类类型。2.根据权利要求1所述的基于ResOHEM
‑
net的心律失常分类方法，其特征在于，所述获取心电波形信号，基于离散小波变换进行消噪处理，并进行R点检测和以拍分割，得到心拍序列包括：基于离散小波变换去除所述心电波形信号中的基线漂移和工频干扰，得到消噪心电信号；对所述消噪心电信号通过Matlab进行解析，获取相应的所述R点，并根据心拍产生的规律，对得到的R点前取150个点，后取149个点，形成共300个点的最优所述心拍序列，一方面覆盖几乎所有的心拍有效信息，另一方面方便后续的图像化处理。3.根据权利要求2所述的基于ResOHEM
‑
net的心律失常分类方法，其特征在于，基于马尔可夫变迁场图像化的方法计算得出二维特征图包括：通过Min
‑
Max Scaler的方式将所述心拍序列缩放到[
‑
1,1]上；将所述心拍序列按取值范围划分为Q个bins，每个数据点i属于一个唯一的q
i
(∈{1,2,...,Q})；构建马尔可夫转移矩阵W，矩阵尺寸为：[Q,Q],其中W
i,j
由q
i
中的数据被q
j
中的数据紧邻的频率决定，计算过程为：构建马尔可夫变迁场M，矩阵的尺寸为：[n,n]，M[i,j]的值为W[q
i
,q
j
]，最后得到马尔可夫变迁场矩阵(MTF)：4.根据权利要求1所述的基于ResOHEM
‑
net的心律失常分类方法，其特征在于，所述基于ResOHEM
‑
net的神经网络的结构包括卷积层、分类层以及反馈层；所述卷积层包括残差网络resnet18，接收所述二维特征图，经过一个7x7感受野的卷积层提取大范围的特征，随后经过池化...

【专利技术属性】
技术研发人员：司玉娟，张耕搏，于永恒，刘淘涛，孟晨晨，周嵘嵘，
申请(专利权)人：珠海科技学院，
类型：发明
国别省市：