[发明专利]一种基于心电波形图全局与局部深度特征融合的异常心电图筛查方法

权利要求书

1.一种基于心电波形图全局与局部深度特征融合的异常心电图筛查模型构建方法，其特征在于，所述方法包括以下步骤：

步骤一，构建检测网络模型，检测出心电波形图中完整心博波段；

步骤二，构建局部特征提取网络，提取步骤一中所检测出的完整心博波段区域的局部特征；

步骤三，构建全局特征提取网络，提取心电图图像的全局特征；

步骤四，构建深度特征融合网络，该网络由步骤二的局部特征提取网络和步骤三中的全局特征提取网络组合而成；

步骤五，整体训练步骤四中的深度特征融合网络，使其适应心电图像的特征分布，得到能够筛查出异常心电图的二分类神经网络模型；

所述步骤一中，构建检测网络模型的过程为：

步骤1.1：构建卷积模块，该模块由13个卷积层、13个激活层Relu和4个池化层堆叠而成；

步骤1.2：构建检测框生成模块，该模块使用区域生成网络生成边界框；

步骤1.3：对步骤1.2中生成的边界框进行回归，获得精确的边界框坐标；

步骤1.4：根据步骤1.3中生成的若干边界框坐标，在原图上进行切割，获得心电图像中的完整心博波段；

所述步骤二中，构建局部特征提取网络的过程为：

步骤2.1：基于ResNet18构建完整心博图像分类网络；

步骤2.2：初始化分类网络；

步骤2.3：用完整心博图像的数据集训练分类网络，使其能判别完整心博图像属于正常还是异常；

步骤2.4：去除步骤2.3得到的分类网络中的全连接层，形成局部特征提取网络，提取完整心博区域的特征，得到对应的特征图，计为F_{1，2，3，...，n}，其中n为从一张心电波形图中所检测出的完整心博区域的数量；

所述步骤三中，构建全局特征提取网络的过程为：

步骤3.1：基于DenseNet121构建完整心电图像分类网络；

步骤3.2：初始化该分类网络；

步骤3.3：用完整心电图像的数据集训练该分类网络，使其能判别完整心电图像属于正常还是异常；

步骤3.4：去除步骤3.3得到的分类网络中的全连接层，形成全局特征提取网络，提取整张心电图像的特征，得到对应的特征图，计为F₀；

所述步骤四中，构建深度特征融合网络的过程为：

步骤4.1：融合n个完整心博波段区域特征，公式为：

步骤4.2：将整张心电图的特征F₀与步骤4.1中所得到的特征进行纵向拼接；

步骤4.3：添加全连接层，对经过步骤4.2后的特征进行二分类；

所述步骤五中，整体训练深度特征融合网络的过程为：

步骤5.1：输入整张心电图和其对应的完整心博波段区域；

步骤5.2：深度特征融合网络依据步骤四 所述，分别提取整张心电图和完整心博区域的特征，融合拼接后进行二分类预测；

步骤5.3：训练若干轮，待其收敛，得到最终的深度特征融合网络模型。