一种基于图神经网络的心律失常检测方法技术

本发明专利技术公开了一种基于图神经网络的心律失常检测方法，包括下述步骤：对多导联心律数据进行提取，关注多导联不同级别心跳，构建异构图的节点；建立三种类型的关系，构建成异构图的边；针对不同类型节点，使用异构图卷积利用不同类型信息各自的变换矩阵将它们投影到一个隐式空间中，从而建立不同节点的计算；引入双层注意力机制，捕捉和学习异构图中的相邻节点之间节点级和类型级的重要性；对异构图神经网络进行训练，获取每个节点的最终表示，将多导联心跳节点的嵌入表示通过模型交叉训练，实现多导联数据的心律失常检测。本发明专利技术能够实现半监督自适应的决策，解决异构数据计算问题，有效地检测心律心跳数据中的异常。有效地检测心律心跳数据中的异常。有效地检测心律心跳数据中的异常。

【技术实现步骤摘要】
一种基于图神经网络的心律失常检测方法


[0001]本专利技术涉及多源时序数据分析和图神经网络领域，特别涉及一种基于图神经网络的心律失常检测方法。

技术介绍

[0002]随着社会不断进步和生活压力的不断上升,心脏疾病已经成为威胁人类健康的重要因素。心电信号(ECG)表征了人体心脏的电信号活动,可以通过心电图直观展现出来，在数据集中表示成连续的一段记录。在心脏疾病发病前,心电信号中一般会出现相应的心律失常现象,因此,对心电信号进行识别分类研究,对心脏病的诊断和治疗具有重要的意义。由此许多专家和学者对心电信号的识别分类进行了大量研究。心电信号的识别分类通常包括心电信号采集、心电信号预处理、提取心电特征、设计识别分类器等步骤。通过对心电信号的观察和记录，进行进一步的分析，检测人体心律是否异常，从而能够对人体重要器官心脏部位进行安全风险的预警。
[0003]心电信号常含干扰噪声，噪声的存在会影响后期心电信号特征点R波峰的准确检测，并影响对心电信号识别分类率，还具有高维性、不确定性、非线性等特点，不同导联下的心电信号还具有一定的延迟性。这使得传统的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的心律失常检测方法，其特征在于，包括以下步骤：S1、提取多导联心律数据，关注多导联不同级别心跳，建立多导联心跳、单导联心跳和单导联序列，构建成异构图的节点；S2、建立单导联序列与多导联心跳之间的联系，多导联心跳与单导联心跳之间的联系，以及同一导联内单导联心跳之间的联系，构成异构图的边；S3、针对不同类型节点，使用异构图卷积利用不同类型信息各自的变换矩阵将它们投影到一个隐式空间中，从而建立不同节点的计算；S4、引入双层注意力机制，捕捉和学习异构图中的相邻节点之间节点级和类型级的重要性；S5、对异构图神经网络进行训练，获取每个节点的最终表示，将多导联心跳节点的嵌入表示通过模型交叉训练，实现多导联数据的心律失常检测。2.根据权利要求1所述的基于图神经网络的心律失常检测方法，其特征在于，步骤S1的具体过程为：S11、读取多导联心律数据，所述数据包括读取心跳标注文件和多导联心律数据文件；S12、构造图G＝(V,E)，构建节点集V，根据心跳标注点位序，读取多导联心律数据在不同导联下心跳标注点前后一定范围内的值，生成单导联心跳节点B{b1,
…
,b
m
}；计算每个心跳在不同导联下的平均值形成多导联心跳节点T{t1,
…
,t
n
}；S13、划分数据集为训练集，验证集和测试集；取训练集正常类型下的每个单导联心跳节点，对相同导联中的单导联心跳进行平均，得到12个单导联序列节点S{s1,
…
,s
k
}；即V＝B∪T∪S。3.根据权利要求2所述的基于图神经网络的心律失常检测方法，其特征在于，步骤S2的具体过程为：S21、构建边集E，关注多导联心跳与单导联关系，对每一个多导联心跳节点T与每个单导联序列节点S进行建边e1；S22、关注多导联心跳与单导联心跳关系，对多导联心跳节点T与其组成该多导联心跳节点的每个单导联心跳节点B进行建边e2；S23、关注同一导联内单导联心跳之间的联系，对同一导联内单导联心跳B之间进行建边e3；即E＝e1∪e2∪e3。4.根据权利要求1所述的基于图神经网络的心律失常检测方法，其特征在于，步骤S3的具体过程为：S31、建立异构图卷积网络，网络考虑不同类型信息的差异，所述不同类型信息的差异包括考虑多导联心跳与单导联心跳关系，考虑单导联与多导联心跳之间的关系，考虑同一导联内单导联心跳之间的关系；S32、用不同类型信息各自的变换矩阵W考虑不同特征空间的差...

【专利技术属性】
技术研发人员：钟明好，李风环，陈炜鸿，吴梓浩，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：