一种基于多阈值脉冲神经网络的心电信号分类方法技术

本发明专利技术公开一种基于多阈值脉冲神经网络的心电信号分类方法，包括：获取原始心电信号，使用小波变换对原始心电信号进行去噪；对去噪后的心电信号根据R波峰位置切分为心拍片段，并划分为训练集和测试集；基于生物神经元的放电特性，构建多阈值积分脉冲发放神经元，并构建多阈值脉冲神经网络；进行训练和测试，使用梯度代理方法来调整脉冲神经网络的参数，得到最优配置网络，实现对心电信号的分类。本发明专利技术提高了脉冲神经网络在训练过程中对心电信号时序特征的提取能力；同时保留其原有的稀疏性和生物启发特性，不仅在处理时间序列数据方面表现优异，还能显著降低计算能耗，适用于便携式医疗设备和资源受限的边缘设备。

【技术实现步骤摘要】

本专利技术涉及心电信号分类，具体涉及一种基于多阈值脉冲神经网络的心电信号分类方法。

技术介绍

1、心血管疾病是全球主要的发病率和死亡率原因。心律失常是一类涉及心脏电活动异常的疾病，可能表现为心跳过快、过慢或不规则。它的危害性取决于失常的类型、持续时间及对身体其他器官的影响。早期诊断和治疗对于减少并发症和死亡风险至关重要。传统上，心律失常的诊断依赖于医生对心电图的经验解读，但人工检查耗时耗力。因此心电信号的分类检测有助于减轻医生的负担，并显著提高疾病的诊断效率。

2、然而，在心电信号监测领域，尤其是在快速响应、低能耗和嵌入式系统的应用场景中，现有机器学习技术面临多项挑战：首先，传统的深度学习技术因其高能耗和高计算需求，难以实现在资源受限的用于长时间检测心电的可穿戴设备上；其次，这些方法不能充分提取心电信号的时序特征，缺乏对用户实时数据的个性化调节的能力，分类性能并不高。脉冲神经网络是一种受生物大脑启发的计算模型，它通过更精确地模仿真实神经元和突触的行为来构建神经网络。与传统的人工神经网络不同，脉冲神经网络中的神经元不是连续激活的，而是通过离散的时本文档来自技高网...

【技术保护点】

1.一种基于多阈值脉冲神经网络的心电信号分类方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于多阈值脉冲神经网络的心电信号分类方法，其特征在于，步骤S2具体为：

3.根据权利要求1所述的一种基于多阈值脉冲神经网络的心电信号分类方法，其特征在于，步骤S3具体为：

4.根据权利要求1所述的一种基于多阈值脉冲神经网络的心电信号分类方法，其特征在于，步骤S4具体为：

5.根据权利要求4所述的一种基于多阈值脉冲神经网络的心电信号分类方法，其特征在于，多阈值脉冲神经网络神经元层的输入电流的表达式为：

6.根据权利要求4所...

【技术特征摘要】

1.一种基于多阈值脉冲神经网络的心电信号分类方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于多阈值脉冲神经网络的心电信号分类方法，其特征在于，步骤s2具体为：

3.根据权利要求1所述的一种基于多阈值脉冲神经网络的心电信号分类方法，其特征在于，步骤s3具体为：

4.根据权利要求1所述的一种基于多阈值脉冲神经网络的心电信号分类方法，其特征在于，步骤s4具体为：...

【专利技术属性】
技术研发人员：谭春雨，陈康，周云，苏延旭，孙长银，
申请(专利权)人：安徽大学，
类型：发明
国别省市：