融合皮尔逊相关节拍的ECG信号分类方法技术

本发明专利技术提出了一种融合皮尔逊相关节拍的ECG信号分类方法，由于心电信号的导联间特征不连续，长时序性、准周期特征以及疾病发病间歇性等特点，以原始ECG数据进行疾病检测仍然具有挑战。在发明专利技术中我们引入皮尔逊特殊节拍以增强数据发病节拍片段的学习。在该模型中首先获取ECG的皮尔逊特殊节拍作为并行数据以增强疾病差异学习，然后利用并行空洞Unet模块以更好的获取导联间特征，并添加融合局部特征预测的Transformer模块获取长距离特征。本方法在ECG数据上获得了比较高的分类性能。

【技术实现步骤摘要】

本专利技术属于机器学习与模式识别，利用给定的12导联心电信号(ecg)数据集构造一种鲁棒性较强的神经网络预测方法，以期达到对新的心电信号给出正确分类。

技术介绍

1、根据世界卫生组织的数据，心血管疾病是全球死亡的主要原因，占所有死亡人数的32％。心电图(ecg)是一种用于评估心脏健康和诊断心血管疾病的非侵入性仪器，是无创监测心脏活动的重要常规临床实践。标准的12导联心电图从体表上的电极收集，它由代表空间中特定方向的12导联组成，12导联心电图信号可全面评估心脏电活动，在医疗诊断中是最常用的设置。ecg信号的分析可以为临床医生和心脏病专家提供关于患者健康状况的有价值的信息。基于其无创性和便捷性心电图成为临床上常用的检查方法，用于诊断心脏异常患者。全球每年产生超过3亿份心电图记录，这对手动心电图诊断来说是一个沉重的负担，因此自动的心电图分析检测至关重要。对于ecg的特征形状，手工提取的形态特征和频谱特征的分析可以为自动检测ecg模式提供明显相关的临床信息。然而，由于ecg信号的形态和时间特征在不同的身体条件下对不同患者表现出明显变化，因此对ecg进行自动分类是本文档来自技高网...

【技术保护点】

1.一种融合皮尔逊相关节拍的ECG分类方法PearsonrUnet，其特征在于：该方法包括以下步骤；

【技术特征摘要】

1.一种融合皮尔逊相关节拍的ecg分类方法pear...

【专利技术属性】
技术研发人员：杨新武，杨红霄，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：