一种基于类脑模型的BCG分类预测方法技术

本发明专利技术涉及一种基于类脑模型的BCG分类预测方法，属于医学信号智能处理技术领域，解决了基于BCG信号进行心拍类型分类精确度低的技术问题。包括采集连续时刻的实时BCG信号并进行预处理，获得预处理的BCG信号；将所述预处理的BCG信号输入训练好的类脑分类模型中进行识别，得到预测的心拍类型；其中，所述类脑分类模型基于脉冲神经网络构建，依次包括静态卷积层、通道注意力层和全连接分类模块；所述静态卷积层用于特征提取和通道扩展；所述通道注意力层用于特征选择和增强；所述全连接分类模块用于最终的分类预测。实现了提升BCG信号分类的实时性和精确度。

【技术实现步骤摘要】

本专利技术涉及医学信号智能处理，尤其涉及一种基于类脑模型的bcg(ballistocardiogram，心冲击信号)分类预测方法。

技术介绍

1、心率疾病，如房性早搏、室性早搏等，是心脏病学中常见的诊断对象。bcg信号是记录心脏机械运动的一种力学信号，通过测量心脏搏动时产生的胸部振动来反映心脏的收缩和舒张。bcg可以提供关于心脏收缩力、心率、心脏容积等信息，对评估心脏功能和心脏病变的影响具有重要意义。通过应用bcg，医生可以更细致地了解患者的心脏状况，制定针对性的个性化的治疗方案，提高治疗效果，降低心脏病发作和并发症的风险。

2、不同于ecg(electrocardiogram，心电信号)信号必须通过电极和导电介质(如凝胶)与皮肤接触来获取，bcg是通过测量心脏搏动时胸部振动产生的力学信号，bcg的检测不需要与人体皮肤直接接触，可以在不干扰受试者的情况下进行长时间监测。准确地对bcg信号分类对于心率疾病早期诊断、治疗计划的制定以及预防心脏事件至关重要。bcg作为一种反映心脏机械活动的信号，提供了心脏功能状态的间接信息。然而，由于bcg信号的复杂本文档来自技高网...

【技术保护点】

1.一种基于类脑模型的BCG分类预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述方法，其特征在于，将所述预处理的BCG信号输入训练好的类脑分类模型中进行识别，得到预测的心拍类型，包括：

3.根据权利要求2所述方法，其特征在于，所述通道注意力层包括通道权重分支和传递输入分支；

4.根据权利要求1所述方法，其特征在于，训练类脑分类模型，包括：

5.根据权利要求4所述方法，其特征在于，基于U型卷积网络的编码-解码结构构建ECG-BCG映射模型，包括编码器模块和解码器模块；

6.根据权利要求5所述方法，其特征在于，所述编码器...

【技术特征摘要】

1.一种基于类脑模型的bcg分类预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述方法，其特征在于，将所述预处理的bcg信号输入训练好的类脑分类模型中进行识别，得到预测的心拍类型，包括：

3.根据权利要求2所述方法，其特征在于，所述通道注意力层包括通道权重分支和传递输入分支；

4.根据权利要求1所述方法，其特征在于，训练类脑分类模型，包括：

5.根据权利要求4所述方法，其特征在于，基于u型卷积网络的编码-解码结构构建ecg-bcg映射模型，包括编码器模块和解码器模块；

6.根据...

【专利技术属性】
技术研发人员：史玥婷，白剑，张先超，蒋治国，单楚轩，王晓华，
申请(专利权)人：北京遥感设备研究所，
类型：发明
国别省市：