【技术实现步骤摘要】
本专利技术涉及生理信号分析与识别，尤其是涉及一种基于人工神经网络的心电图信号识别方法及装置。
技术介绍
1、根据国家心血管病中心发布的《中国心血管健康与疾病报告2022》研究报告显示城乡居民疾病死亡构成比中心血管疾病(cardiovascular disease，cvd)已占首位且患病率处于持续上升阶段。在心血管疾病预测和诊断过程中心电图作为检测心脏电活动的主要无害化方法，其信号的分析与识别就显得尤为重要。一方面，心电监测设备的广泛使用带来了海量心电图(electrocardiogram，ecg)数据；另一方面常用的静态心电图时长可能有几十秒到一分钟，难以检测到一些偶发性短时性心电异常现象，而动态心电图(又称长程心电图)一般记录患者24小时的过程里的心率变化，再配合患者行为活动记录，最后分析患者身体情况。相比静态心电图，动态心电图无疑在捕捉患者偶发性心脏疾病方面具有优势，但所需处理的ecg数据量也更加庞大，难以进行在线处理。因此发展一种自动化智能化的心律失常识别方法进行辅助诊断乃至随身携带实时监测就显得十分必要。近年来机器学习技术的飞速发展无疑为ecg信号的自动识别分类研究带来了新的发展机会，涌现出了许多使用机器学习方法的ecg信号识别分类研究工作。例如，weimann k等人在文献transfer learningfor ecg classification中公开了一种方法，通过对静态心电图进行迁移学习提升卷积神经网络性能，实现了较小数据集限制下6.57％的性能提升；zhang p等人在文献semi-supervised le
2、基于神经网络在机器学习数据处理方面的优势，受人脑启发而诞生的神经形态芯片成为目前的发展方向之一，其最大特点之一是在参考人脑的神经元结构实现存储与计算相融合的同时能够提供低功耗下的快速计算能力。对大脑神经元连接而言，突触是基本结构之一，相应地，对人工神经网络(artificial neural network，ann)而言，人工突触成为神经形态计算网络的研究热点。例如，wang r等人在文献artificial synapses based onlead-free perovskite floating-gate organic field-effect transistors forsupervised and unsupervised learning中使用基于无铅钙钛矿浮栅有机场效应晶体管的人工突触搭建了有监督与无监督网络，实现了手写字体集91％与81％的识别正确率。在ecg信号识别领域，oh s、lee j等人在文献photoelectroactive artificial synapse andits application to biosignal pattern recognition中公开了一种基于mos2/h-bn异质结的光电活性突触搭建的硬件神经网络ecg信号识别方法，但其识别的正确率受测试数据集较小、器件状态阶数、器件调节脉冲数量等因素影响，网络测试准确性及稳定性不佳。因此，如何进一步提高ecg信号识别的准确性和稳定性成为本领域需要解决的问题。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于人工神经网络的心电图信号识别方法及装置，能够提高心电图信号识别的准确性和稳定性。
2、本专利技术的目的可以通过以下技术方案来实现：
3、根据本专利技术的第一方面，提供一种基于人工神经网络的心电图信号识别方法，该方法包括以下步骤：
4、s1，获取并预处理心电图信号数据；
5、s2，利用预处理后的心电图信号数据训练人工神经网络模型，并利用反向传播算法调整连接权重系数，所述人工神经网络模型每一层的节点与节点之间通过多对级联的突触晶体管连接，所述连接权重系数由各突触晶体管的电导值和每对突触晶体管的放大倍数共同确定；
6、s3，利用训练好的人工神经网络模型进行测试，得到心电图信号的识别结果。
7、作为优选的技术方案，所述利用反向传播算法调整连接权重系数的过程包括，根据降维后的心电图信号数据得到损失函数，计算反向传播的误差梯度，并更新各突触晶体管的电导值。
8、作为优选的技术方案，所述更新每个突触晶体管的电导值的过程包括以下步骤：
9、s201，根据损失函数计算当前一级突触晶体管的电导理论变化值；
10、s202，根据当前的电导理论变化值和突触晶体管当前电导值，增大或减小当前一级中符合条件的突触晶体管电导值；
11、s203，根据残余变化值和突触晶体管当前电导值，增大或减小当前一级中符合条件的突触晶体管电导值，所述残余变化值为当前的电导理论变化值与实际变化值之差；
12、s204，当残余变化值达到精度时，将残余变化值传递给下一级，并返回s201，当到达最后一级突触晶体管时，结束更新。
13、作为优选的技术方案，通过外加光脉冲刺激增大突触晶体管电导值，通过外加电脉冲刺激减小突触晶体管电导值。
14、作为优选的技术方案，所述突触晶体管的制备方法包括以下步骤：
15、s211，在柔性基底上旋涂一层负性光刻胶；
16、s212，利用蒸镀技术制备栅电极，在栅电极上制备绝缘层，并在绝缘层上光刻出源、漏电极图案；
17、s213，利用蒸镀技术将金属沉积于源、漏区域后清洗掉负性光刻胶；
18、s214，旋涂一层正性光刻胶，光刻出有源活性区图案模板；
19、s215，旋涂有源活性层，并利用有机聚合物正交溶剂剥离光刻胶模板，得到图案化的有机聚合物。
20、作为优选的技术方案，所述柔性基底为聚酰亚胺、聚萘二甲酸乙二醇酯和聚对苯二甲酸乙二醇酯中的一种。
21、作为优选的技术方案，所述源、漏、栅电极为导电金属、导电合金、导电氧化物中的一种。
22、作为优选的技术方案，所述绝缘层的材料为二氧化硅、氧化铝、聚甲基丙烯酸甲酯、聚苯乙烯、聚乙烯醇、聚乙烯吡咯烷酮、光刻胶su8系列中的一种。
23、作为优选的技术方案，所述有源活性层包括有机聚合物半导体材料和量子点材料，二者形成体异质结结构。
24、根据本专利技术的第二方面，提供一种基于人工神经网络的心电图信号识别装置，包括存储器、处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现所述的方法，所述装置包括心电本文档来自技高网...
【技术保护点】
1.一种基于人工神经网络的心电图信号识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述利用反向传播算法调整连接权重系数的过程包括，根据降维后的心电图信号数据得到损失函数，计算反向传播的误差梯度，并更新各突触晶体管的电导值。
3.根据权利要求2所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述更新每个突触晶体管的电导值的过程包括以下步骤：
4.根据权利要求3所述的基于人工神经网络的心电图信号识别方法，其特征在于，通过外加光脉冲刺激增大突触晶体管电导值，通过外加电脉冲刺激减小突触晶体管电导值。
5.根据权利要求1所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述突触晶体管的制备方法包括以下步骤：
6.根据权利要求5所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述柔性基底为聚酰亚胺、聚萘二甲酸乙二醇酯和聚对苯二甲酸乙二醇酯中的一种。
7.根据权利要求5所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述源、漏、
8.根据权利要求5所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述绝缘层的材料为二氧化硅、氧化铝、聚甲基丙烯酸甲酯、聚苯乙烯、聚乙烯醇、聚乙烯吡咯烷酮、光刻胶SU8系列中的一种。
9.根据权利要求5所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述有源活性层包括有机聚合物半导体材料和量子点材料，二者形成体异质结结构。
10.一种基于人工神经网络的心电图信号识别装置，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-9中任一所述的方法，所述装置包括心电图信号采集和预处理模块、人工神经网络模型训练模块和心电图信号识别模块。
...【技术特征摘要】
1.一种基于人工神经网络的心电图信号识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述利用反向传播算法调整连接权重系数的过程包括，根据降维后的心电图信号数据得到损失函数，计算反向传播的误差梯度，并更新各突触晶体管的电导值。
3.根据权利要求2所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述更新每个突触晶体管的电导值的过程包括以下步骤：
4.根据权利要求3所述的基于人工神经网络的心电图信号识别方法，其特征在于，通过外加光脉冲刺激增大突触晶体管电导值，通过外加电脉冲刺激减小突触晶体管电导值。
5.根据权利要求1所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述突触晶体管的制备方法包括以下步骤：
6.根据权利要求5所述的基于人工神经网络的心电图信号识别方法，其特征在于，所述柔性基底为聚酰亚...
【专利技术属性】
技术研发人员：蒲浩乾，郭璞，张钧尧，黄承稳，周俊鹤，黄佳，
申请(专利权)人：同济大学，
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。