[发明专利]一种基于改进的EfficientNet的心律失常分类方法

权利要求书

1.一种基于改进的EfficientNet的心律失常分类方法，其特征是该方法的具体步骤如下：

步骤1、从MIT-BIH心律失常数据库中读取心电信号数据，并对每份心电信号数据进行动态分割，得到心拍切片数据集；

步骤2、将每份心拍切片数据利用plot函数进行波形处理得到波形图，再利用腐蚀函数进行去噪处理得到去噪后的波形图，然后将去噪后的波形图转存为224×224的心电信号图；

步骤3、将所述步骤2得到的心电信号图的数据集分为训练集和验证集；

步骤4、建立基于EfficientNet-B0网络模型的网络模型，将EfficientNet-B0网络模型的MBConv6结构中X和Y特征的加法模块替换为可调整X和Y特征分配比例的注意力特征融合模块，得到改进的EfficientNet-B0网络模型；

步骤5、将所述步骤3中的训练集中的心电信号图作为输入，对应心律失常类型作为输出，对步骤4构建的改进的EfficientNet-B0网络模型进行训练；然后将所述步骤3中的验证集中的心电信号图作为输入，对应心律失常类型作为输出，将输出值与图像的实际标签比较计算得到模型准确率；重复上述过程，选取准确率最高的模型作为心律失常分类模型；

步骤6、采集待测病人的心电信号数据进行步骤1的动态分割和步骤2的波形处理和去噪处理后，转存为224×224的待检测心电信号图；将待检测的心电信号图输入到心律失常分类模型，输出待测病人心律失常类型。

2.如权利要求1所述的一种基于改进的EfficientNet的心律失常分类方法，其特征是：所述步骤1中对心电信号数据的动态分割方法为：以R峰为分界点，往左边延伸n个点，往右边延伸n个点对心电信号数据进行截取，其中n的取值范围80～100，保证分割后的心拍数据包含P波、QRS波和T波。

3.如权利要求1所述的一种基于改进的EfficientNet的心律失常分类方法，其特征是：所述步骤2中波形处理后的波形图，其横坐标为截取的心拍切片数据两边延伸的2n个点，纵坐标为心电信号幅值。

4.如权利要求1所述的一种基于改进的EfficientNet的心律失常分类方法，其特征是：所述步骤3中心电信号图的数据集包括心电信号图和每个心电信号图所对应的心律失常类型标注信息，其中标注信息包含正常搏动、室性早搏、起搏心跳、右束支传导阻滞、左束支传导阻滞、房性早搏、室扑，和心室逸搏。

5.如权利要求1所述的一种基于改进的EfficientNet的心律失常分类方法，其特征是：所述步骤3中训练集和验证集的数量比为9:1。

6.如权利要求1-5中任意一项所述的一种基于改进的EfficientNet的心律失常分类方法，其特征是：所述步骤4中AFF的公式为其中，X,Y为两个特征，并且Y代表感受野更大的特征；Z为X与Y融合之后的特征；是对输入的两个特征X,Y先做初始特征融合，其公式表达为其中M函数为多尺度注意力模块函数。