[发明专利]一种基于机器学习的心律分类系统

权利要求书

1.一种基于机器学习的心律分类系统，包括：

数据采集模块，可以通过相关医学诊断设备对受试者进行心电信号的采集，得到心电信号；

其特征在于，还包括：

数据预处理模块，主要对采集的心电信号进行相关噪声的分析与滤除，然后以心电信号的每个心拍的R峰位置为中心，从其左间期采集45％的样本，相应右间期采集55％的样本，完成心拍的分割，得到一系列的心拍；最后用线性函数对每一个心拍进行归一化处理：

其中，X_i为心拍的第i个采样值，X_min为心拍的最小采样值，X_max为心拍的最小采样值，为第i个采样值的归一化采样值；

这样，得到一系列归一化的心拍，每个心拍大小为64(即64个采样值)；

分类算法模块，为卷积神经网络(CNN)模型和编码解码模型的混合分类模型，其中，采用卷积神经网络(CNN)模型用来完成对心拍的特征提取，从全连接层输出，编码解码模型用于根据提取的心拍特征，对心拍(心律)进行分类；

所述编码解码模型包括编码器和解码器，其中，编码器采用RNN模型结构，输入为CNN模型全连接层输出的心拍特征(即特征向量)，输出为对应目标值的编码，并作为解码器输入，解码器采用LSTM模型结构，输出为对应目标的向量，进而通过sofmax函数转为概率值，逐个拍生成心拍类型。

2.根据权利要求1所述的心律分类系统，其特征在于，所述卷积神经网络(CNN)模型为仅包含四层卷积和池化操作的简单CNN模型，第一卷积层Conv1的滤波器尺寸为1*3，步长为1，滤波器个数为32，第一池化层Maxpooling1的滤波器尺寸为1*2，步长为2，滤波器个数为32，第二卷积层Conv2的滤波器尺寸为1*3，步长为1，滤波器个数为64，第二池化层Maxpooling2的滤波器尺寸为1*2，步长为2，滤波器个数为64，第三卷积层Conv3的滤波器尺寸为1*3，步长为1，滤波器个数为128，第三池化层Maxpooling3的滤波器尺寸为1*2，步长为2，滤波器个数为128，第四卷积层Conv4的滤波器尺寸为1*3，步长为1，滤波器个数为256，第四池化层Maxpooling4的滤波器尺寸为1*2，步长为2，滤波器个数为256，第一卷积层Conv1对输入的心拍进行卷积，得到的特征依次经过第一池化层Maxpooling1、第二卷积层Conv2、第二池化层Maxpooling2、第三卷积层Conv3、第三池化层Maxpooling3、第四卷积层Conv4、第四池化层Maxpooling4处理后得到的特征，经过全连接层输出心拍特征到编码解码模型进行分类。