[发明专利]基于改进卷积神经网络的识别心律类型的装置

权利要求书

1.一种基于改进卷积神经网络的识别心律类型的装置，其特征在于，包括：

获取模块(1)，用于获取待识别的心电信号；

预处理模块(2)，用于对所述心电信号进行预处理，得到满足识别要求的心电信号；

识别模块(3)，用于将预处理后的心电信号输入至预先训练的神经网络进行识别，输出所述心电信号对应的心律类型，其中，所述神经网络采用损失函数为：的卷积神经网络，其中，c表示损失大小，n表示样本个数，x为样本，y为样本x对应的标签，a为通过以样本x为输入并且用当前的神经网络计算出的输出大小，α,β均为正则化系数。

2.根据权利要求1所述的基于改进卷积神经网络的识别心律类型的装置，其特征在于，所述识别模块(3)中，所述损失函数中α＝0.8-0.9,β＝1.1-1.2。

3.根据权利要求1所述的基于改进卷积神经网络的识别心律类型的装置，其特征在于，所述识别模块(3)中，所述神经网络包括1个输入层、多个卷积层和池化层、1个全连接层以及1个分类器层。

4.根据权利要求1所述的基于改进卷积神经网络的识别心律类型的装置，其特征在于，所述识别模块(3)中，对所述心电信号进行预处理时，采用预设截止频率的滤波器对所述心电信号进行滤波处理。

5.根据权利要求1所述的基于改进卷积神经网络的识别心律类型的装置，其特征在于，所述预处理模块(2)中，包括：

判断模块(21)，用于判断所述心电信号的采样频率是否为预设频率；

重采样模块(22)，用于在当所述采样频率不是所述预设频率时，采用内插法将所述心电信号重采样为所述预设频率的心电信号。

6.根据权利要求1所述的基于改进卷积神经网络的识别心律类型的装置，其特征在于，所述识别模块(3)中，所述预先训练的神经网络包括以下模块：

训练数据库获取模块(31)：用于获取训练数据库，训练数据库为已知为房颤或非房颤的心电数据；

心电数据预处理模块(32)：对心电数据进行预处理；

卷积神经网络训练模块(33)：用于对卷积神经网络进行训练，卷积神经网络由若干卷积层和若干池化层、一个全连接层和一个分类器层构成，训练时在分类器层中输入已知的房颤或非房颤的结果。

7.根据权利要求6所述的基于改进卷积神经网络的识别心律类型的装置，其特征在于，

训练数据库获取模块(31)中，采用至少1万条10s的房颤心电信号和至少1万条均匀混合的其他类型心电信号作为训练数据形成训练数据库；

心电数据预处理模块(32)中，对心电数据采用上下截止频率分别为0.1Hz、100Hz的fir滤波器进行滤波，如果心电信号采样频率不是500Hz时，则采用最邻近内插法将心电信号重采样为500Hz；

卷积神经网络训练模块(33)中，卷积神经网络具有8层网络，8层网络中第1-6层为layer1-layer6，均由一个卷积层和一个池化层组成，layer1中卷积层包含5个核，卷积核大小均为224，layer1中池化层中的步长和核大小均为2；layer2卷积层包含5个核，卷积核大小均为112，layer2中池化层中的步长和核大小均为2；layer3卷积层包含10个核，卷积核大小均为100，layer3中池化层中的步长和核大小均为2；layer4卷积层包含10个核，卷积核大小均为50，layer4中池化层中的步长和核大小均为2；layer5卷积层包含10个核，卷积核大小均为48，layer5中池化层中的步长和核大小均为2；layer6卷积层包含10个核，卷积核大小均为24，layer4中池化层中的步长和核大小均为2；layer6的输出特征个数为30个，最终经过全连接层layer7计算后输出10个特征。