基于域适应网络的应激强度分类方法、电子设备及介质技术

本发明专利技术提供基于域适应网络的应激强度分类方法、电子设备及介质，该方法包括步骤：获取被试人在不同场景中的ECG数据并标记应激强度等级；对ECG数据进行预处理，生成RR间期序列；对该序列进行HRV特征提取；对提取的特征进行归一化处理；使用训练数据训练整个域适应分类网络，固定特征网络权值使用训练数据和测试数据训练更新分类网络，固定分类网络权值使用测试数据训练更新特征网络；将测试集数据输入域适应分类网络，获得分类结果。本发明专利技术在应激强度分类问题中采用跨被试的方法训练和测试算法模型，使其在不同个体间的泛化能力更强，更贴近现实应用场景；将深度迁移学习引入应激强度分类中，有效提高跨被试测试应激强度分类的精度。

【技术实现步骤摘要】

本专利技术涉及人工智能领域和信号处理，特别涉及基于域适应网络的应激强度分类方法、电子设备及介质。

技术介绍

1、适当的应激强度能够使我们保持竞争性，而长期处于较高应激强度状态会增加人们患生理和心理疾病的风险。对于军人，飞行员，消防员和高铁驾驶员等特殊从业人员而言，如若能够以低成本且便捷的方式了解到自身的压力状况并进行相应的干预和管理，那么这不仅会降低患病的风险还能提升在工作时的效率和安全性。在这一研究方向中，生理信号是应激强度评估的最主要且客观的依据。但个体间较大的生理差异是制约应激强度分类模型精度和泛化能力的主要因素之一。域适应网络作为迁移学习中的主流方法在图像分类，图像分割领域得到了广泛的应用，近些年来在脑电信号处理领域也被引入并取得了不错的效果。

2、现有的基于ecg(心电图)或其他信号的应激强度分类算法实现方式包括：1.从ecg信号中提取rr间期序列，直接使用机器学习或深度学习的方法进行分类；2.从ecg信号中提取平均rr间期，sdnn，lf/hf等hrv特征，将特征送入机器学习分类模型中(如knn,svm,rf等)进行分类。

<本文档来自技高网...

【技术保护点】

1.一种基于域适应网络的应激强度分类方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于域适应网络的应激强度分类方法，其特征在于：所述获取被试人在不同场景中的ECG数据并标记对应的应激强度等级包括以下步骤：

3.如权利要求1所述的一种基于域适应网络的应激强度分类方法，其特征在于：所述对ECG数据进行预处理包括对ECG数据采用巴特沃斯带通滤波器滤除高频噪声与低频扰动。

4.如权利要求1所述的一种基于域适应网络的应激强度分类方法，其特征在于：所述对RR间期序列进行HRV特征提取包括以下步骤：

5.如权利要求1或4所述的一种基于域适应...

【技术特征摘要】

1.一种基于域适应网络的应激强度分类方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于域适应网络的应激强度分类方法，其特征在于：所述获取被试人在不同场景中的ecg数据并标记对应的应激强度等级包括以下步骤：

3.如权利要求1所述的一种基于域适应网络的应激强度分类方法，其特征在于：所述对ecg数据进行预处理包括对ecg数据采用巴特沃斯带通滤波器滤除高频噪声与低频扰动。

4.如权利要求1所述的一种基于域适应网络的应激强度分类方法，其特征在于：所述对rr间期序列进行hrv特征提取包括以下步骤：

5.如权利要求1或4所述的一种基于域适应网络的应激强度分类方法，其特征在于：所述对提取的hrv特征进行归一化处理包括以下步骤：

6.如权利要求1所述的一种基于域适应网络的应激强度分类方法，其特征在于：所述特征网络与所述分类网络为级联形式，多个分类网络为并联形式，所述特征网络包括多个一维卷积神经网络，多个所述分类网络的结构相同。

7.如权利要求6所述的一种基于域适应网络的应激强度分类方法，其特征在于：所述分类网络的数量为三个，三个分类网络是相同的结构，初始化方式分别为glorotinitialization均匀分布，he initialization方法均匀分...

【专利技术属性】
技术研发人员：海栋，钟君，刘永峰，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：