基于GPU加速的极限学习机的心脏电功能快速成像方法技术

本发明专利技术公开了一种基于GPU加速的极限学习机的心脏电功能快速成像方法，首先由Ensite3000和体表电位标测系统同时获取心内膜电位分布和体表电位分布的数据，利用组织特征影射对预处理后的样本集进行聚类分析，利用自核主成分分析方法对子类样本数据进行预处理，采用GPU并行计算对各子类样本同步进行极限学习机回归模型训练，构建各子类的回归模型；根据体表电位标测系统获取的体表电位分布，判断所获取的体表电位分布属于哪个子聚类的测试样本，最后根据相应的子类回归模型，重构心内膜电位分布，实现心脏电功能信息的快速成像。本发明专利技术的优点是实时、无创的获取心内膜电位分布，实现心脏电功能快速成像。

【技术实现步骤摘要】

本专利技术涉及一种心脏电功能的成像方法，具体涉及一种基于GPU加速的极限学习机的心脏电功能快速成像方法。
技术介绍
心血管疾病是导致心脏突然停止跳动的主要原因。心血管病发病和死亡率居高不下，使心血管病防治负担加重，成为重要公共卫生问题，加强心血管病防治刻不容缓。据《中国心血管病报告2011》报道，我国人群心血管病的发病和死亡率呈持续上升阶段，估计全国心血管病2.3亿人，其中心肌梗死200万人，心力衰竭420万人，肺心病500万人，风心病250万人，先心病200万人。因此研究开发一种心脏电生理功能快速成像方法具有非常重要的意义。常规的12导联心电图(ECG)，是心脏电活动在体表低分辨率的投影，只能提供心脏电活动的整体反映。同时测量体表多个位置的记录，即体表电位分布图，能够提供比心电图更高分辨率的心电活动投影，但体表电位图也没有足够的分辨率来反映心脏内局部事件的过程。目前出现了几种心内电生理成像技术(如Ensite 3000系统和CARTO系统等)可用于提供心内膜的电生理信息，但这些方法都是有创的成像手段，且费用昂贵。无创的心脏电功能成像(Noninvasive Electrical 本文档来自技高网...

【技术保护点】
一种基于GPU加速的极限学习机的心脏电功能快速成像方法，其特征在于，该方法包括以下各步骤：（1）由体表电位标测系统获取体表电位分布，同时由Ensite?3000获取心内膜电位分布，生成极限学习机的样本数据；（2）利用自组织特征影射聚类算法对样本数据预处理，将大规模的样本数据划分为小规模的各子聚类样本；（3）利用核主成分分析方法对各子类样本数据进行预处理，实现对各子类样本数据进行特征提取，降低各子类样本空间的维数；（4）设置极限学习机算法的隐层节点个数和激励函数；（5）采用GPU并行计算对各子类样本同步进行极限学习机回归模型训练，提高训练速度，高效地构建各子类的回归模型；（6）由体表电位标测系统...

【技术特征摘要】
1.一种基于GPU加速的极限学习机的心脏电功能快速成像方法，其特征在于，该方法包括以下各步骤: (1)由体表电位标测系统获取体表电位分布，同时由Ensite3000获取心内膜电位分布，生成极限学习机的样本数据； (2)利用自组织特征影射聚类算法对样本数据预处理，将大规模的样本数据划分为小规模的各子聚类样本； (3)利用核主成分分析方法对各子类样本数据进行预处理，实现对各子类样本数据进行特征提取，降低各子类样本空间的维数； (4)设置极限学习机算法的隐层节点个数和激励函数； (5)采用GPU并行计算对各子类样本同步进行极限学习机回归模型训练，提高训练速度，高效地构建各子类的回归模型； (6)由体表电位标测系统获取的体表电位分布，由自组织特征影射的聚类分析方法判断所获取的体表电位分布属于哪个子聚类的测试样本，根据相应的子类回归模型...

【专利技术属性】
技术研发人员：蒋明峰，汪亚明，黄文清，冯杰，曹丽，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：