[发明专利]一种基于深度神经网络的心冲击信号深瓶颈特征提取方法

权利要求书

1.一种基于深度神经网络的心冲击信号深瓶颈特征提取方法，其特征在于，包括以下步骤：

步骤1，确定神经网络的输入向量及目标向量形式；同步检测同一受试者的心电信号及心冲击信号，并分别对二者进行预处理，获取深度神经网络的输入向量及目标向量；

步骤2，确定深层神经网络结构；构建一个基于受限玻尔兹曼机的带有瓶颈层的9层神经网络；

步骤3，对神经网络进行预训练，获取深层置信网络模型：以心冲击信号输入向量做为神经网络输入，应用逐层训练方法对神经网络进行无监督预训练，获取DBN模型；

步骤4，对神经网络进行有监督精细训练，获取深瓶颈特征；以心电信号目标向量做为输出层监督目标，构建新型损失函数，并应用反向传播BP算法更新神经网络参数，而后移除瓶颈层之后的各层神经网络，以瓶颈层做为输出层，获得的输出向量即为深瓶颈特征。

2.根据权利要求1所述的一种基于深度神经网络的心冲击信号深瓶颈特征提取方法，其特征在于，步骤1中，确定输入向量及目标向量形式采用以下步骤：

步骤1.1，采集同一受试者的同步心电信号、心冲击信号，并分别对其进行信号归一化处理；

步骤1.2，获取心电信号的R波位置、心冲击信号的J波位置，并以其为基准分别对心电信号、心冲击信号进行分帧，统一获取70个采样点为一帧(信号采样率为100Hz)；

步骤1.3，确定输入向量为：每一帧心冲击信号，额外附加两个J-J间期信息，包括当前帧与前一帧的、当前帧与后一帧的，共同组成72维向量，做为神经网络的输入向量；

步骤1.4：确定目标向量为：每一帧心电信号，额外附加两个R-R间期信息，包括当前帧与前一帧的、当前帧与后一帧的，共同组成72维向量，做为神经网络的目标向量。

3.根据权利要求1所述的一种基于深度神经网络的心冲击信号深瓶颈特征提取方法，其特征在于，步骤2中，深层神经网络的搭建采用以下结构：

步骤2.1，以72维的心冲击信号做为输入向量，确定输入层的神经元个数为72个；

步骤2.2，此后每一个隐层均采用RBM结构，构建7层隐含层，其中每一层隐含层的神经元个数分别为：60、40、20、5、20、40、60，中间瓶颈层的神经元个数为5个；此结构为以心冲击信号输入向量做为网络输入，进行多次对比实验后，确定的效果最为理想的结构配比。

4.根据权利要求1所述的一种基于深度神经网络的心冲击信号深瓶颈特征提取方法，其特征在于，步骤3中，获取深层置信网络模型的预训练，过程如下：

步骤3.1，以步骤1中获取的72维心冲击信号输入向量做为步骤2网络的输入；

步骤3.2，对每一隐含层的RBM网络进行无监督训练，其中激活函数仍采用sigmoid函数：

应用梯度下降法来进行迭代优化，完成当前层RBM网络的参数更新后，将其输出做为下一层RBM网络的输入，直至7层隐含层全部训练完毕，即可构成DBN模型。