数据再平衡损失指导的轻量级时频融合信号分类方法技术

本发明专利技术公开了数据再平衡损失指导的轻量级时频融合信号分类方法，具体步骤如下：步骤1，输入公开数据集中原始ECG信号，对相应信号进行预处理操作后划分为训练集和测试集；步骤2，构建数据再平衡损失指导的轻量级时频信息融合Transformer的生理信号片段分析模型；步骤3，使用步骤1处理后的训练集对步骤2构建的模型进行训练；步骤4，将步骤1预处理后的测试集ECG信号送入步骤3训练好的模型，最终输出分类的结果。该方法利用数据再平衡损失指导的轻量级时频融合信号片段分析，以提高分析生理信号片段是否发生睡眠呼吸暂停事件的准确率。

【技术实现步骤摘要】

本专利技术属于医学生理信号处理，涉及数据再平衡损失指导的轻量级时频融合信号分类方法。

技术介绍

1、阻塞性睡眠呼吸暂停事件(osa)是受试者在睡眠过程中因为呼吸气流低下发生的一种阻塞性事件。严重时会导致患高血压，冠心病，心力衰竭等疾病。因此，及时准确的完成osa分类具有重要的意义。

2、目前，为了提取最优特征集合提升osa事件分类精度，研究者们采用cnn与transformer模型相结合的方法探索最优结合空间并取得了一定的成就。但是通过对当前进行osa分类的公开数据集进行观察发现，尽管osa受试者夜间反复出现呼吸暂停及低通气事件，但呼吸事件总时长远低于正常呼吸时长。因此，研究发现，当以60s固定片段长短划分心电信号ecg，并按照呼吸事件发生与否对片段进行分类时，呼吸事件片段数量少于正常呼吸片段，即存在不同类别样本量上的不平衡，也即数据集上存在类别不平衡问题。

3、然而，在osa事件检测领域常使用交叉熵损失函数指导模型参数更新，样本量多的类别占据更大的权重，样本量少的样本权重更低，导致分类决策边界发生偏移，降低模型最优特征空间的提取，本文档来自技高网...

【技术保护点】

1.数据再平衡损失指导的轻量级时频融合信号分析方法，其特征在于：具体包括如下步骤：

2.根据权利要求1所述的数据再平衡损失指导的轻量级时频融合信号分析方法，其特征在于：所述步骤1中对ECG信号进行预处理的过程为：

3.根据权利要求2所述的数据再平衡损失指导的轻量级时频融合信号分析方法，其特征在于：所述步骤2中，数据再平衡损失指导的轻量级时频信息融合Transformer的生理信号分析模型包括特征提取模块、信息融合模块和分类模块；

4.根据权利要求3所述的数据再平衡损失指导的轻量级时频融合信号分析方法，其特征在于：所述步骤2的具体过程为：

5...

【技术特征摘要】

1.数据再平衡损失指导的轻量级时频融合信号分析方法，其特征在于：具体包括如下步骤：

2.根据权利要求1所述的数据再平衡损失指导的轻量级时频融合信号分析方法，其特征在于：所述步骤1中对ecg信号进行预处理的过程为：

3.根据权利要求2所述的数据再平衡损失指导的轻量级时频融合信号分析方法，其特征在于：所述步骤2中，数据再平衡损失指导的轻量级时频信息融合transf...

【专利技术属性】
技术研发人员：石争浩，李成建，尤珍臻，冯亚宁，任晓勇，张一彤，刘海琴，黑新宏，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：