[发明专利]基于改进损失函数的神经网络的心律类型识别方法和装置

权利要求书

1.一种基于改进损失函数的神经网络的训练方法，其特征在于，

使用的神经网络模型包括：输入层、多个卷积层和池化层、长短期记忆人工神经网络、1个注意力层、全连接层以及1个分类器层；

包括以下步骤：

采集充分多数量的已知心律类型的心电信号；

以长度为N的定义标签向量[y₁，y₂,…，y_n]定义每个心电信号，心电信号属于第i类心律类型时，则定义标签向量的y_i为T1，其余为T2，且T1大于T2；

将心电信号及对应的标签向量输入到神经网络模型中进行训练；

训练时引入损失函数为：

其中，

A[a₁，a₂,…，a_n]是输入心电信号后神经网络模型的输出向量，长度为N；a_i为向量A中的第i个元素，i大于等于1小于等于n；a_j为向量A中的第j个元素，j大于等于1小于等于n；A_l表示一段心电信号中不可能同时存在的心律不齐类型对，共M对，a_k为在输出向量中第k个元素，y_k为定义标签向量中第k个元素；

c表示损失函数，N表示心律类型总数，心电标签向量为a_l为训练时当前的神经网络计算出的输出大小，N是心律类型的总数，M为两两不能同时存在的心律类型组合的数量；

当损失函数的值稳定时，结束训练，得到训练好的神经网络模型。

2.根据权利要求1所述的基于改进损失函数的神经网络的训练方法，其特征在于，采集充分多数量的已知心律类型的多导联心电信号后，还对所述心电信号进行预处理，预处理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。

3.根据权利要求2所述的基于改进损失函数的神经网络的训练方法，其特征在于，所述预处理还包括以下步骤：

判断所述心电信号的采样频率是否为预设频率；

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。

4.根据权利要求1-3任一项所述的基于改进损失函数的神经网络的训练方法，其特征在于，心电信号为多导联心电信号时，将每一条心电信号按照导联顺序拼接到一起形成。

5.根据权利要求1-3任一项所述的基于改进损失函数的神经网络的训练方法，其特征在于，T1赋值为1，T2赋值为0。

6.根据权利要求1-3任一项所述的基于改进损失函数的神经网络的训练方法，其特征在于，所述神经网络模型包括全连接层为两层。

7.根据权利要求6所述的基于改进损失函数的神经网络的训练方法，其特征在于，

第一卷积层中共有50个大小均为5的一维卷积核；

第一池化层中采用最大池化，核心和步长均为2；

第二卷积层中共有60个大小均为6的一维卷积核，激活函数选用ReLU函数；

第二池化层中采用最大池化，核的大小和步长均为2；

第三卷积层中共有70个大小为3的一维卷积核；

第三池化层中采用最大池化，核的大小和步长均为2；

第四卷积层中共有256个大小均为3的卷积核；

第四池化层中采用最大池化，核的大小和步长均为2。

8.根据权利要求6所述的基于改进损失函数的神经网络的训练方法，其特征在于，长短期记忆人工神经网络通过alpha＝0.3的LeakRelU激活函数进行计算。

9.根据权利要求7所述的基于改进损失函数的神经网络的训练方法，其特征在于，第一层的全连接层的激活函数为ReLU函数，第二层全连接层的激活函数为Sigmoid函数。

10.根据权利要求1-3任一项所述的基于改进损失函数的神经网络的训练方法，其特征在于，已知心律类型的多导联心电信号的数量为每种心律类型均大于5000条。