[发明专利]获取猝死风险预测人工神经网络权重值矩阵的方法

摘要

本发明公开了获取猝死风险预测人工神经网络权重值矩阵的方法，将心源性猝死数据库和MIT‑BIH正常窦性心律数据库构建成训练数据样本和交叉验证样本，先随机设置人工神经网络各层的权重值，输入训练数据样本反复迭代修正各层权重值直到训练误差小于某指定值，找到可以预测猝死风险的权重值矩阵，然后利用权重值矩阵，将权重值矩阵加入原人工神经网络构建新的人工神经网络，再以采集到的目标人体心电信号作为数据，对人体心电信号处理，获得目标人体特征向量X，根据目标人体特征向量X和新的人工神经网络，进行预测运算，最终获得预测值。

主权项

获取猝死风险预测人工神经网络权重值矩阵的方法，其特征在于，包括以下步骤：构建三层人工神经网络：采用一个输入层、一个隐藏层和一个输出层搭建一个三层人工神经网络；三层人工神经网络训练：采用心源性猝死数据库作为第一训练数据样本，获得第一训练数据样本的QRS波，第一训练数据样本的QRS波进行分析和处理，提取出第一训练数据样本的RR间期，将第一训练数据样本的RR间期分割为M1个N分钟的片段，对M1个片段进行HRV特征分析，计算M1个片段的特征向量X作为M1个猝死特征向量X，元组(猝死特征向量X， t1)的集合构成第一训练样本集，其中t1=1，采用MIT‑BIH正常窦性心律数据库作为第二训练数据样本，第二训练数据样本的QRS波，第二训练数据样本的QRS波进行分析和处理，提取出第二训练数据样本的RR间期，将第二训练数据样本的RR间期分割为M2个N分钟的片段，对M2个片段进行HRV特征分析，计算M2个片段的特征向量X作为M2个正常特征向量X，元组(正常特征向量X， t2)的集合构成第二训练样本集，其中t2=0，随机初始化输入层、隐藏层、输出层的权重值，将M1个猝死特征向量X作为输入层的输入向量，根据输出层的神经网络函数f(X)获得M1个输出层的值y1，将M2个正常特征向量X作为输入层的输入向量，根据输出层的神经网络函数f(X)获得M2个输出层的值y2，根据第一训练样本集及其神经网络输出值计算M1个平方误差之和E1=（ t1‑y1₁）²+（ t1‑y1₂）²+……+（t1‑y1_M1）²，根据第二训练样本集及其神经网络输出值计算M2个平方误差之和E2=（t2‑y2₁）²+（t2‑y2₂）²+……+（t2‑y2_M2）²，其中t1、t2为预期的正确输出，t1=1，t2=0， y 1、y 2为实际输出；反复迭代修正输入层、隐藏层、输出层的权重值，直到误差E1、E2之和达到极小值，记录此时输入层、隐藏层、输出层的权重值，取得最终的权重值矩阵。