[发明专利]一种基于深度学习模型的心电图分类方法

摘要

本发明公开一种基于深度学习模型的心电图分类方法，其特征在于包括数据获取、数据处理、模型构建、优化算法、模型训练等步骤。本发明主要解决的技术问题是通过心电图数据来进行心律失常判别，为医生提供辅助和参考，解决部分地区医生供给严重不平衡，误诊、漏诊率较高等问题。通过实施可知，本方法具有如下有益效果本发明使用深度学方法，通过构建大规模卷积神经网络对心电图信息进行心律异常检测。相较与传统方式而言，节省成本而且准确度更高。

主权项

一种基于深度学习模型的心电图分类方法，其特征在于：按照如下方式实现；步骤1，数据获取：采集大量的心电图数据；获取原始的时间长度30秒，采样频率为300HZ的心电图电位信号数据；步骤2，数据处理：采用单通道，周期为30秒的心电图，将原始电位数字信号数据数值化，进行归一化处理；语料集分为训练集、验证集、测试集，比例为8:1:1；数据预处理，对原始电位值除以电压幅值，再做归一化处理；步骤3，模型构建：构建多层卷积神经网络，模型最后一层是处理多分类任务的softmax层；步骤4，优化算法：为了优化该网络，使数据能够适应网络，采用残差网络，对每个卷积层，使用Batch Normalization、DropOut、MaxPooling和修正线性激活函数等技术；步骤5，模型训练：将处理后的数据导入深度学习模型，经过数十个训练周期，搜索比较理想的参数，最终达到了接近甚至超过心电专家医生的水平；步骤6，模型输出：将一个未知的心电数据预处理后输入到已经训练好的模型中，通过模型运算得出该心电数据的结果；判定是否异常，如果异常属于哪一类型的心律失常；通过模型输出，将处理后的数据输入到网络中，通过计算后得到预测的结果，供医生辅助治疗。