一种基于时序特征图与注意力机制的心电图分类方法和装置制造方法及图纸

本发明专利技术公开一种基于时序特征图与注意力机制的心电图分类方法和装置，该方法具体操作步骤为：步骤一：基于小波变换方法将心电信号的时频特征编码为二维时序特征图；步骤二：基于五个CNN Block串行的特征提取模块提取出信号的时频特征；步骤三：基于Transformer编码模块中的多头自注意力机制对提取出的时频特征进行加权处理；步骤四：基于分类模块中的全局池化层以及Softmax线性分类器对不同心电信号进行分类，得到最终的输出结果。本发明专利技术采用小波变换和注意力机制相结合的方式，充分利用小波变换提取心电信号中的重要特征，并通过注意力机制对特征进行加权处理，以进一步提高分类的准确性和可靠性。的准确性和可靠性。的准确性和可靠性。

【技术实现步骤摘要】
一种基于时序特征图与注意力机制的心电图分类方法和装置


[0001]本专利技术涉及一种心电图分类技术，尤其涉及一种基于时序特征图与注意力机制的心电图分类方法和装置，属于图像分类


技术介绍

[0002]目前，心电图分类已成为临床医学中一个非常重要的诊断手段。然而，由于心电信号具有较强的非平稳性和非线性性，在分类过程中存在着一系列的技术难点。
[0003]在现有技术中，已有相关研究采用小波变换对心电信号进行特征提取，再使用传统分类算法进行分类。例如，Pan等人提出了一种基于小波变换和支持向量机的心电信号分类方法，该方法使用小波变换对心电信号进行特征提取，再使用支持向量机对特征进行分类。Chen等人提出了一种基于小波变换和卷积神经网络的心电信号分类方法，该方法使用小波变换对心电信号进行特征提取，再使用卷积神经网络对特征进行分类。虽然这些方法已经取得了一定的分类效果，但是存在特征提取效果不够好和分类器的鲁棒性不够强等问题。

技术实现思路

[0004]本专利技术的目的在于：针对现有技术的不足，现提出一种基于时序特征图与注意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序特征图与注意力机制的心电图分类方法，其特征在于，具体操作步骤如下：步骤一：基于小波变换方法将心电信号的时频特征编码为二维时序特征图；步骤二：基于五个CNN Block串行的特征提取模块提取出信号的时频特征；步骤三：基于Transformer编码模块中的多头自注意力机制对提取出的时频特征进行加权处理；步骤四：基于分类模块中的全局池化层以及Softmax线性分类器对不同心电信号进行分类，得到最终的输出结果。2.根据权利要求1所述的一种基于时序特征图与注意力机制的心电图分类方法，其特征在于，所述小波变换方法计算公式如下：其中，为母小波函数，a为尺度数，b为平移数。3.根据权利要求1所述的一种基于时序特征图与注意力机制的心电图分类方法，其特征在于，所述特征提取模块是由五个CNN Block组成，每个CNN Block是由卷积层、最大池化和非线性激活函数组成，前四个CNN Block对特征图维度进行缩减，最后一个CNN Block加强通道之间的信息融合，生成一个包含所有输入图像信息的低维度特征向量，并调整通道数量为满足后续模块的使用。4.根据权利要求3所述的一种基于时序特征图与注意力机制的心电图分类方法，其特征在于，所述特征提取模块的计算公式为：O＝ReLU(BN(C1(M(IN)))+BN(C3(IN)))其中IN为输入特征，O为输出特征，函数C1和函数C3分别表示为1
×
1卷积和3
×
3卷积，函数BN表示批归一化，ReLU为激活函数，M为最大池化。5.根据权利要求1所述的一种基于时序特征图与注意力机制的心电图分类方法，其特征在于，所述多头自注意力机制为Transformer编码模块中的组成部分，所述Transformer编码模块由十二个Transformer Encoder模块组成，每个Transformer Encoder模块都进行多头自注意力运算。6.根据权利要求5所述的一种基于时序特征图与注意力机制的心电图分类方法，其特征在于，所述多头自注意力机制的计算公式为：MultiHead(Q,...

【专利技术属性】
技术研发人员：李浩，邱晨阳，祁超群，李波，陈亦敏，李信衍，
申请(专利权)人：云南大学，
类型：发明
国别省市：