[发明专利]一种基于深度特征融合网络的心动过速心电图的筛查方法

摘要

一种基于深度特征融合网络的心动过速心电图的筛查方法，包括以下步骤：步骤一，数据处理，对原始心电图图像进行预处理，除去心电图中基线漂移和电力线干扰；步骤二，数据重构，将预处理过后的心电图图像中的十二导联分别进行框选分离，重新组织构建数据集；步骤三，模型构建，构建深度神经网络；步骤四，模型训练，输入处理以及重构后的数据到网络中进行参数调整，训练模型；步骤五，模型输出，利用训练过后的模型筛查心动过速心电图。本发明可以根据心电图筛查是否为心动过速。

主权项

1.一种基于深度特征融合网络的心动过速心电图的筛查方法，其特征在于，所述方法包括以下步骤：步骤一，数据处理，对原始心电图图像进行预处理，除去心电图中基线漂移和电力线干扰；步骤二，数据重构，将预处理过后的心电图图像中的十二导联分别进行框选分离，重新组织构建数据集；步骤三，模型构建，构建深度神经网络，过程为：步骤3.1将网络分为12个分支，即branch1—branch12，分别可接收128*128*3的图像输入；步骤3.2构建12个分支的网络：每个分支单独通过一个Dense block以及Transition layer后，再将图像通过一个Dense block和Transition layer；步骤3.3将12个分支网络中提取出来的特征(32*32*32)进行深度上的合并，构成一个32*32*384的特征图；步骤3.4将合并后的特征图先经过3*3的卷积操作，随后进行Relu激活函数，再经过一个2*2的最大池化层；步骤3.5重复3.4操作，获得8*8*64的特征图；步骤3.6将上述操作得到的结果经过一个全连接层后再经过batch normalization操作；步骤3.7重复3.6操作两次后，经过一个Softmax激活函数，最后得到二分类的结果，所述二分类是心动过速心电图或非心动过速心电图；步骤四，模型训练，输入重构后的数据到网络中进行参数调整，训练模型；步骤五，模型输出，利用训练过后的模型判别未知心电图是否属于心动过速。