[发明专利]一种基于多模态卷积神经网络心电信号分类方法

权利要求书

1.一种基于多模态卷积神经网络心电信号分类方法，其特征在于，包括以下步骤：

S1.获取原始的心电信号并对所述心电信号进行预处理；其中所述心电信号划分为训练集和目标集，所述训练集的心电信号为已标注类型的心电信号，所述目标集的心电信号为未标注类型的心电信号；

S2.对预处理后的心电信号分别进行心电医学特征提取以及降采样处理；

S3.构建具有医学指标关注的多模态卷积神经网络，其输入包括所述训练集进行心电医学特征提取并与所属类型对应标注后的数据以及进行降采样处理后的数据，其输出为心电信号的分类结果；

S4.根据所述多模态卷积神经网络的训练目标定义损失函数，并利用反向传播算法进行最优值求解，得到最终的心电信号分类模型；

S5.通过所述心电信号分类模型对输入的目标信号进行分类，得到目标信号的分类结果；其中输入的目标信号包括所述目标集进行心电医学特征提取后的数据以及进行降采样处理后的数据。

2.根据权利要求1所述的基于多模态卷积神经网络心电信号分类方法，其特征在于，所述步骤S1中对所述心电信号进行预处理具体包括：

S11.对获取得到的心电信号进行模数转换，得到心电数字信号；

S12.对所述心电数字信号进行分段处理，得到若干段时长为L秒的心电数字信号；其中L小于等于60秒；

S13.对每段心电数字信号进行滤波处理。

3.根据权利要求1所述的基于多模态卷积神经网络心电信号分类方法，其特征在于，所述步骤S2中提取的心电医学特征包括：R波幅值、RR间期、P波幅值、PR间期4组特征。

4.根据权利要求1所述的基于多模态卷积神经网络心电信号分类方法，其特征在于，所述步骤S2中进行降采样处理后，所述心电信号的频率降为100Hz。

5.根据权利要求3所述的基于多模态卷积神经网络心电信号分类方法，其特征在于，所述步骤S2中对预处理后的心电信号分别进行心电医学特征提取的具体步骤包括：

S21.使用Pan-Tompkins算法对预处理后的心电信号进行QRS波群检测，定位R波的位置；

S22.根据步骤S21中定位的R波位置，检索R波发生前一段时间内心电幅值的最大值处，即为P波位置；

S23.根据步骤S21和S22定位的R波位置及P波位置，分别确定R波和P波在所述心电信号中的幅值大小，计算得到R波幅值、RR间期、P波幅值、PR间期4组特征；

S24.对计算得到的4组特征进行对齐，所述对齐以其中最长片段的长度为标准，以自我填充的数据对齐方式补齐至4组特征的长度一致；

S25.对补齐后的4组特征数据进行拼接打包。

6.根据权利要求1所述的基于多模态卷积神经网络心电信号分类方法，其特征在于，步骤S3所述的具有医学指标关注的多模态卷积神经网络包括三条支路，其中第一支路用于处理所述训练集进行心电医学特征提取并与所属类型对应标注后，第二支路用于处理所述训练集进行降采样处理的数据，第三支路用于对所述第一支路和第二支路的信息进行特征融合并进行心电信号分类。