[发明专利]一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法

权利要求书

1.一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法，其特征在于，包括以下步骤：

S1、数据集构建：基于标准数据集构建带有心率正常/失常二分类标签的数据集，将其保存为读取快速的NPY数据，将正常心电信号标签重构为0，将15类心率失常信号标签重构为1；

S2、数据去噪：使用高通滤波器与低通滤波器对NPY数据进行处理，降低噪声对NPY数据识别造成的影响，提高识别准确率；

S3、数据分段：以500时间步为一段，对NPY数据进行分段，基于其对应标签建立分段后数据标签；

S4、数据集划分：按照7：3的比例将数据集随机划分为训练集与测试集；

S5、模型构建：通过三种网络融合构建模型，利用所述三种网络对数据进行不同尺度与结构的特征提取，充分分析数据特征，对数据进行高精度的分类；

S6、模型训练：将训练集数据输入模型，对模型进行循环迭代训练，直到模型损失不再下降，准确率不再提升，停止训练，保存模型；

S7、标签处理：经模型识别后得到的输出结果为(0，1)范围内的概率数据，对标签进行处理，得到二分类结果；

所述步骤S5中，模型由1DCNN、InceptionNet、GRU、FC四层依次连接构成。

2.根据权利要求1所述的一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法，其特征在于：所述步骤S1中，所使用数据集基于MIT-BIH心率失常标准数据集构建，数据内容为心电信号数据，该数据集由正常心电信号与15类心率失常信号构成。

3.根据权利要求1所述的一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法，其特征在于：所述步骤S2中，心电信号频率一般处于1-45Hz内，先对数据进行0.9Hz的高通滤波，去除零点漂移干扰，之后使用46Hz的低通滤波器对数据进行滤波，排除肌电干扰。

4.根据权利要求1所述的一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法，其特征在于：所述1DCNN层由2层1D卷积层构成，卷积核大小为5，步长为2，每层后使用Relu作为激活函数，所述ReLu激活函数为f(x)＝max(0,x)，f(x)为ReLu函数激活后输出的数据，x为输入数据。

5.根据权利要求1所述的一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法，其特征在于：所述InceptionNet层由三个大小为1、3、5的卷积核进行SAME卷积，其中卷积核为5的卷积层之前额外使用一个卷积核大小为1的卷积层。

6.根据权利要求1所述的一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法，其特征在于：所述GRU层每个GRU单元包含32个隐藏单元。

7.根据权利要求1所述的一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法，其特征在于：所述FC层由2层全连接构成，使用Sigmoid对结果进行输出，所述Sigmoid函数为k表示FC层输出的结果，S(k)表示Sigmoid运算后输出的结果。

8.根据权利要求1所述的一种基于1DCNN+InceptionNet+GRU融合网络的心率识别方法，其特征在于：所述步骤S7中，使用训练完成的模型对测试集数据进行分类预测，其中输出结果大于0.5的标签认为该条数据为心率失常数据，小于等于0.5的标签为正常数据。