一种基于对比学习的心律失常分类方法技术

本发明专利技术公开了一种基于对比学习的心律失常分类方法，涉及心电分类技术领域。本发明专利技术至少包括以下步骤：输入一个心电信号，对其进行两种不同的数据增强，从而去构造正负样本对，正样本为同一心电信号经过不同数据增强后得到的新的心电信号。本发明专利技术模仿了图片的数据增强方法，对心电信号采用了两种不同的小波变换(比例＝0.5)+分段随机遮挡的方法，在对比学习模型中，合适的数据增强方法至关重要，本发明专利技术所采用的方法对正样本对的对比有正向作用，且通过对上分支进行剪枝得到下分支，以找到长尾数据，通过损失函数隐式增加权重。对损失函数采用动态温度系数策略。本发明专利技术采用的方法提高了平衡性，并且增强了模型的泛化能力和迁移能力。

【技术实现步骤摘要】

本专利技术涉及心电分类，具体为一种基于对比学习的心律失常分类方法。

技术介绍

1、心电图(electrocardiogram，ecg)是对心脏在各心动周期中的除极和复极过程的记录，它能反映心脏的电生理过程，并能帮助医生进行相应心律失常诊断。动态心电图监测作为心律失常早期筛查和术后复查的重要手段，会产生大规模的单导联心电图，对医疗保健体系带来了巨大的挑战。由于各类心律失常的形态差异较小，且异常波形并不总是连续出现，仅仅依靠医生已经难以完成对海量记录的分析。因此，心电信号的智能分析吸引了国内外学术界和工业界的广泛关注。

2、有监督的深度学习方法的关键是大规模有标注心电数据集。但是心电数据涉及病人隐私，而且标注心电图需要由专业医师完成导致标注成本过高。一些研究被提出用于消除数据匮乏带来的负面影响。

3、数据增强是一种扩充训练样本的有效方法。pan等人提出并测试了若干种一维数据增强方法，证明数据增强可以提高深度学习模型检测心律失常的性能，但提升效果有限。hatamian等人则通过生成式对抗网络(generative adversarial 本文档来自技高网...

【技术保护点】

1.一种基于对比学习的心律失常分类方法，其特征在于：至少包括以下步骤：

2.根据权利要求1所述的一种基于对比学习的心律失常分类方法，其特征在于：所述S1中对心电信号采用对进行两种不同的数据增强，至少包括两种不同的小波变换(比例＝0.5)+分段随机遮挡。

3.根据权利要求1所述的一种基于对比学习的心律失常分类方法，其特征在于：所述剪枝采用基于幅度的剪枝，所述剪枝比率设置为0.2。

4.根据权利要求1所述的一种基于对比学习的心律失常分类方法，其特征在于：所述f’1(•)的剪枝掩码在模型权重更新后每次迭代更新，应用至少包括以下步骤：>

5.根据权利...

【技术特征摘要】

1.一种基于对比学习的心律失常分类方法，其特征在于：至少包括以下步骤：

2.根据权利要求1所述的一种基于对比学习的心律失常分类方法，其特征在于：所述s1中对心电信号采用对进行两种不同的数据增强，至少包括两种不同的小波变换(比例＝0.5)+分段随机遮挡。

3.根据权利要求1所述的一种基于对比学习的心律失常分类方法，其特征在于：所述剪枝采用基于幅度的剪枝，所述剪枝比率设置为0.2。

4.根据权利要求1所述的一种基于对比学习的心律失常分类方法，其特征在于：所述f’1(•)的...

【专利技术属性】
技术研发人员：王勇，付超杰，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：