基于多结构ResNet模型的心拍数据分类方法及系统技术方案

本发明专利技术公开了一种基于多结构ResNet模型的及系统，属于数据分类技术领域，包括：根据原始心电信号，进行小波阈值降噪处理并切分得到心拍数据，并输入至多结构ResNet模型进行预处理、特征提取以及特征汇总，得到心拍数据的分类结果。本发明专利技术通过小波阈值降噪对原始心电信号进行降噪处理，能够降低其他噪声信号对心电信号的干扰，提高分类精度，并利用多结构ResNet模型对心拍数据进行分类，具有更高的分类准确性和分类效率，且能够调整多结构ResNet模型中各ResNet残差模块的个数，以达到不同的分类精度和分类效率，能够适应不同的心拍数据分类需求。

【技术实现步骤摘要】

本专利技术属于数据分类，具体涉及基于多结构resnet模型的心拍数据分类方法及系统。

技术介绍

1、根据世界卫生组织(who)发布的《world health statistics》，近年来每年因慢性病而去世的群体约占据所有死亡人数的61％，且这个比例还在逐年增加。在四大重点慢性病中，因心血管疾病去世的人数占比高达62％。目前检查心律失常疾病的方式主要是临床心电信号(ecg)诊断，但是临床的检查准确率很大程度上依赖于医生的临床经验和专业知识水平，而且专业医师长期在一线出诊后，因疲劳产生漏诊、误诊也是避无可避的。

2、根据美国医疗器械进步协会(aami)发布的官方分类标准，心律失常可以被分为n(正常或者束支传导阻滞节拍)、s(室上性异常节拍)、v(心室异常节拍)、f(融合节拍)、q(未能分类的节拍)五类。亟需一种心拍数据分类方法，帮助专业医师简便、快速地对心拍数据进行分析并分类，便于辅助专业医师进行判断。

技术实现思路

1、针对现有技术中的上述不足，本专利技术提供的基于多结构resnet模型的心拍数本文档来自技高网...

【技术保护点】

1.一种基于多结构ResNet模型的心拍数据分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多结构ResNet模型的心拍数据分类方法，其特征在于，所述S1的具体步骤如下：

3.根据权利要求2所述的基于多结构ResNet模型的心拍数据分类方法，其特征在于，所述小波基的具体表达式如下：

4.根据权利要求1所述的基于多结构ResNet模型的心拍数据分类方法，其特征在于，所述S2的具体步骤如下：

5.根据权利要求1所述的基于多结构ResNet模型的心拍数据分类方法，其特征在于，所述S3的具体步骤如下：

<p>6.根据权利要求...

【技术特征摘要】

1.一种基于多结构resnet模型的心拍数据分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多结构resnet模型的心拍数据分类方法，其特征在于，所述s1的具体步骤如下：

3.根据权利要求2所述的基于多结构resnet模型的心拍数据分类方法，其特征在于，所述小波基的具体表达式如下：

4.根据权利要求1所述的基于多结构resnet模型的心拍数据分类方法，其特征在于，所述s2的具体步骤如下：

5.根据权利要求1所述的基于多结构resnet模型的心拍数据分类方法，其特征在于，所述s3的具体步骤如下：

6.根据权利要...

【专利技术属性】
技术研发人员：胡建成，徐鑫鑫，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：