【技术实现步骤摘要】
一种心电图信号分类方法
[0001]本专利技术涉及医学信号处理
,具体地,涉及一种心电图信号分类方法及装置
。
技术介绍
[0002]心电图
(ECG)
是检测人体心脏跳动的一种重要检测方法
。
如何通过患者的
ECG
信号准确判别
ECG
的类型对临床医学中的心血管疾病治疗和预防起着关键的作用
。
传统的
ECG
信号分类主要采用的是信号分析专家或者经验丰富的人员手动添加特征的方法,比如基于模糊数学统计方法
、
基于随机森林方法
、
形态特征
、
时间信息
、Hermite
变换
、
小波变换等
。
但由于
ECG
信号种类繁多,具有独特性,同一人不同疾病的
ECG
信号特征不同,不同人同一疾病的
ECG
信号也有差异
。
因此传统方法很难提取到
ECG
信号的深度特征,准确率较低,达不到医生的诊断水平
。
[0003]卷积神经网络
(CNN)
是近年来流行的一种算法,相较于传统算法,通过卷积
、
池化
、
反馈学习等方法对图像的处理,无需人为添加信号的特征,实现对信号的准确识别分类
。
但深度卷积神经网络使用了多个卷积层,网络结构过于复杂,容易造成网络冗
【技术保护点】
【技术特征摘要】
1.
一种心电图信号分类方法,其特征在于包括以下步骤:
S1
:利用时频分析法对
ECG
信号进行预处理,得到时频图;
S2
:利用双重注意力机制的卷积神经网络对所述时频图进行特征提取,得到特征图;
S3
:采用全连接层接收并识别所述特征图,得到
ECG
信号的类别
。2.
根据权利要求1所述的一种心电图信号分类方法,其特征在于,步骤
S1
中时频分析法为短时傅里叶变换,其表达式为:其中:
f(t)
是
ECG
时域信号,
g(t)
是窗函数,
τ
是步长;
g(t)
起到时限作用,
e
‑
j
ω
起限频作用,二者联合起来便可达到时频双限的作用;窗函数
g(t)
选择为汉明窗,窗函数的移动步长
τ
为
3。3.
根据权利要求1所述的一种心电图信号分类方法,其特征在于,步骤
S2
中的卷积神经网络自输入至输出依次包括五个卷积层,其中第一个卷积层和第二个卷积层之间引入了注意力模型...
【专利技术属性】
技术研发人员:李银伟,郑其斌,朱亦鸣,马慧连,王秋艳,
申请(专利权)人:上海理工大学,
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。