[发明专利]基于多尺度自回归模型的心电图识别方法

权利要求书

1.基于多尺度自回归模型的心电图识别方法，其特征在于：具体包括如下步骤：

步骤1，获取心电信号，并对心电信号进行预处理；

步骤2，对步骤1处理后的信号分别进行动态心拍切分、子拍切分与多拍切分；

步骤3，将步骤2得到的切分结果输入一维神经网络中，得到输入特征图；

步骤4，将步骤3得到的输入特征图输入通道注意力模块，获取通道注意力图，用于分类器分类识别。

2.根据权利要求1所述的基于多尺度自回归模型的心电图识别方法，其特征在于：所述步骤1的具体过程为：

步骤1.1，心电信号获取：

从MIT-BIH心率失常数据库中获取心电信号；

步骤1.2，心电信号预处理：

将步骤1.1获取的心电信号依次经过FIR带通滤波、双斜率、低通滤波器处理及滑动窗口积分处理。

3.根据权利要求2所述的基于多尺度自回归模型的心电图识别方法，其特征在于：所述步骤2中，动态切分心拍时，对切分结果进行截断或填补；采用重叠采样方法进行子拍切分时；多拍切分时，对切分结果进行截断或填补。

4.根据权利要求3所述的基于多尺度自回归模型的心电图识别方法，其特征在于：所述步骤3的具体过程为：

步骤3.1，根据步骤2所得的心拍切分、子拍切分及多拍切分结果，获取心电图的手动特征；

步骤3.2，采用一维神经网络获取不同尺度的心拍深度特征；一维神经网络的结构包括两个卷积模块、一个concatenate层、两个全连接模块、一个Softmax；

步骤3.3，以步骤3.1得到的心电图的手动特征和步骤3.2所得的不同尺度的心拍特征作为concatenate层的输入，再经过两个全连接模块和一个Softmax，得到输出特征。

5.根据权利要求4所述的基于多尺度自回归模型的心电图识别方法，其特征在于：所述步骤4的具体过程为：

步骤4.1，将步骤3得到的输入特征图输入通道注意力模块，每一通道都经过全局最大池化和全局平均池化，然后经过一个共享的隐藏的全连接模块，将全连接模块输出的特征进行基于权重矩阵的加和操作，再经过ReLU激活操作，生成最终的通道注意力特征图；该通道注意力特征图和步骤3所得的输入特征图做乘法操作，得到1x1xC的通道注意力图。

步骤4.2，将步骤4.1所得通道注意力图输入到分类器中进行分类识别。