一种基于生成对抗网络的失衡心率数据集处理方法及系统技术方案

本发明专利技术属于医学数据处理技术领域，公开了一种基于生成对抗网络的失衡心率数据集处理方法及系统。该方法采用多层小波变换分解方法，滤除心率信号的基线漂移与噪声，将心率数据从一维数据转换至低纬表示数据；利用构建的CECG‑GAN神经网络模型对心电信号的高维数据与低维表示数据进行可逆映射，以及对所述CECG‑GAN神经网络模型进行训练获得用于扩充稀缺样本的合成数据集；对获得的合成数据集结合分类判断模型的精确率、召回率、F1‑score值，判断是否为有效样本，并进行保存。本发明专利技术CECG‑GAN神经网络模型的高合成质量和多样性在时序数据领域中具有重要潜力，特别是在合成扩充数据集方面。

【技术实现步骤摘要】

本专利技术属于医学数据处理，尤其涉及一种基于生成对抗网络的失衡心率数据集处理方法及系统。

技术介绍

1、心脏病的治疗与判断方式主要依赖专业医师分析心电图(ecg)实现，ecg是由电极放置在皮肤上，记录心脏随时间的电生理活动，在心脏领域治疗过程中，它已经被视为一种极其重要的手段，然而医学领域面临的困难有:心脏活动是变化迅速而不间断的，且由专业医生手动分析数据极其困难；以机器学习为主导的检测算法建模需要大量数据集，而手动标注将伴随大量时间代价与病人隐私问题。

2、机器学习算法以其自动建模的优点，目前在医疗诊断领域应用较广，比如bp神经网络、决策树、时序记忆网络等方法。然而这些方法都需要大量的心电图数据作为训练样本，而心电图的分类与标记会消耗专业医师的大量时间成本，比如心脏疾病分类模型的构筑需要大量ecg数据样本作为数据集。而这与医学数据的大量缺失是相互矛盾的，导致相关的研究停滞不前。

3、近年来，生成对抗网络(gan)的提出极大地丰富了各个领域数据集的多样性，在图像领域以生成高清晰度图像等被广泛运用，在医学领域，有的现有技术定性定量地证本文档来自技高网...

【技术保护点】

1.一种基于生成对抗网络的失衡心率数据集处理方法，其特征在于，该方法包括：

2.根据权利要求1所述的基于生成对抗网络的失衡心率数据集处理方法，其特征在于，在步骤S1中，所述采用多层小波变换分解方法，包括：通过选择多种小波基，分析ECG信号的不同频率组成，通过小波函数修正尺度函数表示和原始信号之间的差异；

3.根据权利要求1所述的基于生成对抗网络的失衡心率数据集处理方法，其特征在于，使每个模块处理的数据并行输出中，输入数据，为序列中的第个元素；

4.根据权利要求1所述的基于生成对抗网络的失衡心率数据集处理方法，其特征在于，生成器模块Generator将高...

【技术特征摘要】

1.一种基于生成对抗网络的失衡心率数据集处理方法，其特征在于，该方法包括：

2.根据权利要求1所述的基于生成对抗网络的失衡心率数据集处理方法，其特征在于，在步骤s1中，所述采用多层小波变换分解方法，包括：通过选择多种小波基，分析ecg信号的不同频率组成，通过小波函数修正尺度函数表示和原始信号之间的差异；

3.根据权利要求1所述的基于生成对抗网络的失衡心率数据集处理方法，其特征在于，使每个模块处理的数据并行输出中，输入数据，为序列中的第个元素；

4.根据权利要求1所述的基于生成对抗网络的失衡心率数据集处理方法，其特征在于，生成器模块generator将高斯噪声中采样的数据经自注意力、残差网络、前馈网络变换得到类似原数据的特征表示...

【专利技术属性】
技术研发人员：杨阳，兰天宇，张尉华，姜淑华，黄旭鹏，李丰田，朱耀东，曹馨妍，王保国，李明秋，从海芳，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：