基于多模态多尺度共注意力的生理信号片段分析方法技术

本发明专利技术公开了一种基于多模态多尺度共注意力的生理信号片段分析方法，具体包括如下步骤：步骤1，输入公开数据集中原始ECG和SpO2信号，对相应信号进行预处理操作后划分为训练集和测试集；步骤2，构建基于多模态多尺度共注意力的生理信号片段分析模型；步骤3，使用步骤1处理后的训练集对步骤2构建的模型进行训练；步骤4，将步骤1预处理后的测试集ECG和SpO2信号送入步骤3训练好的模型，最终输出分类检测的结果。该方法利用多头注意力的结构进行多尺度多模态融合的生理信号片段分析，以提高分析生理信号片段是否发生睡眠呼吸暂停事件的准确率。确率。确率。

【技术实现步骤摘要】
基于多模态多尺度共注意力的生理信号片段分析方法


[0001]本专利技术属于医学生理信号处理
，涉及一种基于多模态多尺度共注意力的生理信号片段分析方法。

技术介绍

[0002]尽管现有的睡眠呼吸暂停事件分类方法已经取得了一定成果，但在实际应用中仍然存在一些不足：首先由于未考虑不同生理信号间的潜在相关性，从单导联信号中提取特征来检测睡眠呼吸暂停综合症的准确度相对较低，在实际使用中存在识别效果不够理想且泛化性能不佳的情况，如基于心电信号(ECG)检测设备容易受到运动伪迹的干扰，并且使用多个电极很不方便；基于血氧饱和度(SpO2)的检测方法无法区分轻度的阻塞性睡眠呼吸暂停综合征；基于气管呼吸音监测设备只能判断是否存在呼吸暂停，而不能判断呼吸不足等。其次，基于传统机器学习方法进行睡眠呼吸暂停事件分类时常依赖于专家的先验知识，大量工作用于特征工程上导致效率不高。
[0003]为解决上述问题，近年来也有研究人员从多模态的角度来寻找思路，将多个模态的信息进行有效整合，汲取不同模态数据的优点，可以从不同模态信息中获取与待检目标相关的关键信息，能极大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.多模态多尺度共注意力的生理信号片段分析方法，其特征在于：具体包括如下步骤：步骤1，输入公开数据集中原始ECG和SpO2信号，对相应信号进行预处理操作后划分为训练集和测试集；步骤2，构建基于多模态多尺度共注意力的生理信号片段分析模型；步骤3，使用步骤1处理后的训练集对步骤2构建的模型进行训练；步骤4，将步骤1预处理后的测试集ECG和SpO2信号送入步骤3训练好的模型，最终输出分类检测的结果。2.根据权利要求1所述的多模态多尺度共注意力的生理信号片段分析方法，其特征在于：所述步骤1中对ECG和SpO2信号进行预处理的过程为：分别对ECG信号和SpO2信号进行分段、去W期和归一化处理。3.根据权利要求1所述的多模态多尺度共注意力的生理信号片段分析方法，其特征在于：所述步骤2中，基于多模态多尺度共注意力的生理信号片段分析模型包括浅层特征提取模块、跨模态交互模块以及分类模块；浅层特征提取...

【专利技术属性】
技术研发人员：石争浩，周亮，李成建，张治军，尤珍臻，任晓勇，黑新宏，赵明华，罗靖，刘海琴，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：