[发明专利]一种基于时序深度模型的心电信号异常检测方法

权利要求书

1.一种基于时序深度模型的心电信号异常检测方法，其特征在于，包括如下步骤：

S1、通过可穿戴设备中的传感器对患者心电信号进行实时采集并远程传输至云端；

S2、在云端通过由注意力机制构成的时序深度模型对采集到的患者心电信号进行实时处理、分析，对患者状况进行无接触式远程实时监控；

S3、在检测到患者当前状况异常时，再次通过数据传输，向医护人员发出警告，并给出对于当前异常状况的辅助诊断信息。

2.根据权利要求1所述的一种基于时序深度模型的心电信号异常检测方法，其特征在于，步骤S2包括如下过程：

S21、在云端通过基于时序的深度模型中的编码器对输入的患者心电信号进行特征分析；

S22、在云端通过基于时序的深度模型中的解码器对当前的患者心电信号与正常状况下的标准心电信号进行相似性分析。

3.根据权利要求2所述的一种基于时序深度模型的心电信号异常检测方法，其特征在于，上述步骤S21中，首先对采集的心电信号进行计算得到心电信号编码向量，具体过程如下：

S211、在云端对从传感器获得的患者心电信号的振幅数据，按照指定变换将其转化为功率谱图，并将功率谱作为时间频率分布，最终将其转化为瞬时频率值，具体运算如下：

S212、将得出的患者心电信号瞬时频率值加以时序信息。通过以下公式进行心电信号的时序编码：

其中pos表示位置信息，i表示维度信息，dmodel表示心电信号每个时间点的瞬时值的嵌入维度。这使得位置编码的每个维度对应于一个正弦曲线。波长变化的范围从2π到10000·2π；

S213、将得到的心电信号编码向量作为整个时序深度模型的输入，并将最终的心电信号异常检测结果作为整个模型的输出；该时序深度模型采用编码解码结构，通过编码器对得到的心电信号编码向量进行计算，进而对患者心电信号进行特征分析得到患者的心电信号特征向量。

4.根据权利要求3所述的一种基于时序深度模型的心电信号异常检测方法，其特征在于，步骤S213中，编码器由6个完全相同的网络单元构成，该网络单元包括由一个多头注意力层与一个全连接层。在编码器中，每个网络单元间采用残差方式进行连接，即，将第i个单元的运算结果与第i个网络单元的输入向量进行加和，得到的最终向量作为第i个单元的最终计算结果，以此作为第i+1个网络单元的输入向量。每个网络单元具体运算如下：

(1)多头注意力层由8个完全独立的点积注意力机制构成，点积注意力机制运算如下：

其中Q，K，V均为经过编码后的患者心电信号特征向量。dk表示Q，K，V向量对应的维度值。

(2)为避免网络单元结构过于简单，采用多头注意力机制，将8个完全独立的点击注意力机制得到的注意力向量进行连接，保障该层网络结构能充分的提取出心电信号的隐含特征，具体操作如下：

MultiHead(Q，K,V)＝Concat(head₁,...，head_h)W^O

head_i＝Attention(QW_i^Q，KW_i^K，VW_i^V)

其中与表示第i个注意力头对Q、K、V的线性变换矩阵，表示最终连接结果映射到编码空间的线性变换矩阵。将最终得到的向量MultiHead(Q，K，V)作为全连接层的输入。

(3)全连接层操作如下：

FFN(x)＝max(0，xW₁+b₁)W₂+b₂

其中x为全连接层的输入向量，FFN(x)为编码器最终得到的心电信号特征向量，并作为解码器的一个输入向量。

5.根据权利要求2所述的一种基于时序深度模型的心电信号异常检测方法，其特征在于，上述步骤S22中，通过解码器对标准心电信号进行特征分析，并同时分析患者的心电信号特征向量与标准心电信号特征向量之间的相似性关系，进而给出心电信号异常检测结果；其中，所述编码器通过如下方式实现：

编码器由6个完全相同的网络单元构成，该网络单元包括由一个多头注意力层与一个全连接层。在编码器中，每个网络单元间采用残差方式进行连接，即，将第i个单元的运算结果与第i个网络单元的输入向量进行加和，得到的最终向量作为第i个单元的最终计算结果，以此作为第i+1个网络单元的输入向量。每个网络单元具体运算如下：

(1)多头注意力层由8个完全独立的点积注意力机制构成，点积注意力机制运算如下：

其中Q，K，V均为经过编码后的患者心电信号特征向量。dk表示Q，K，V向量对应的维度值。

(2)为避免网络单元结构过于简单，采用多头注意力机制，将8个完全独立的点击注意力机制得到的注意力向量进行连接，保障该层网络结构能充分的提取出心电信号的隐含特征，具体操作如下：

MultiHead(Q，K，V)＝Concat(head₁，...，head_h)W^O

head_i＝Attention(QW_i^Q，KW_i^K，VW_i^V)

其中与表示第i个注意力头对Q、K、V的线性变换矩阵，表示最终连接结果映射到编码空间的线性变换矩阵。将最终得到的向量MultiHead(Q，K，V)作为全连接层的输入。

(3)全连接层操作如下：

FFN(x)＝max(0，xW₁+b₁)W₂+b₂

其中x为全连接层的输入向量，FFN(x)为编码器最终得到的心电信号特征向量，并作为解码器的一个输入向量。