[发明专利]一种不平衡单导联心电数据分类方法及系统

权利要求书

1.一种不平衡单导联心电数据分类方法，其特征在于，包括以下步骤：

获取原始心电信号并对原始心电信号进行预处理，得到预处理后的心电信号；

对预处理后的心电信号进行深度特征提取并对深度特征降维，得到多数类特征和少数类特征；

基于SMOTE算法对少数类特征进行合成，得到少数类特征合成样本；

根据多数类特征和少数类特征合成样本对原始心电信号进行SVM分类，得到分类结果。

2.根据权利要求1所述一种不平衡单导联心电数据分类方法，其特征在于，所述获取原始心电信号并对原始心电信号进行预处理，得到预处理后的心电信号这一步骤，其具体包括：

获取原始心电信号；

基于离散小波变换对原始心电信号进行六层分解，得到对应层的高频分量和低频分量；

将第一层高频分量、第二层高频分量和第六层低频分量舍弃，并将剩余的高频分量和低频分量进行重构，得到重构后的心电信号；

对重构后的心电信号进行裁剪和补零处理，将重构后的心电信号数据长度控制为30s，得到预处理后的心电信号。

3.根据权利要求2所述一种不平衡单导联心电数据分类方法，其特征在于，所述对预处理后的心电信号进行深度特征提取并对深度特征降维，得到多数类特征和少数类特征这一步骤，其具体包括：

基于预构建的卷积神经网络对预处理后的心电信号进行深度特征提取，得到多数类样本和少数类样本对应的64维特征；

基于PCA降维算法对多数类样本和少数类样本对应的64维特征进行降维处理，得到41维的多数类特征和少数类特征。

4.根据权利要求3所述一种不平衡单导联心电数据分类方法，其特征在于，所述预构建的卷积神经网络包括四个卷积层、三个最大池化层和三个全连接层。

5.根据权利要求4所述一种不平衡单导联心电数据分类方法，其特征在于，所述基于SMOTE算法对少数类特征进行合成，得到少数类特征合成样本这一步骤，其具体包括：

对于每一个41维的少数类特征X，以欧氏距离为标准计算X到其它所有特征的距离，得到对应的k近邻；

根据多数类特征和少数类特征不平衡的比例，设置采样比例并确定采样倍数N；

对于每一个少数类特征X，根据采样倍数N从对应的k个近邻中随机选择若干个特征，选取近邻Xn；

对选取的近邻Xn重新构建样本，得到少数类特征合成样本。

6.根据权利要求5所述一种不平衡单导联心电数据分类方法，其特征在于，所述对选取的近邻Xn重新构建样本的公式如下：

上式中，rand(0,1)表示从0～1随机选取一个数组，X表示少数类特征，表示选出的K近邻点。

7.一种不平衡单导联心电数据分类系统，其特征在于，包括：

预处理模块，用于获取原始心电信号并对原始心电信号进行预处理，得到预处理后的心电信号；

特征提取模块，用于对预处理后的心电信号进行深度特征提取并对深度特征降维，得到多数类特征和少数类特征；

样本合成模块，基于SMOTE算法对少数类特征进行合成，得到少数类特征合成样本；

分类模块，用于根据多数类特征和少数类特征合成样本对原始心电信号进行SVM分类，得到分类结果。