[发明专利]基于导联融合深度神经网络的心肌梗死自动检测方法

摘要

本发明公开了一种基于导联融合深度神经网络的心肌梗死自动检测方法，它包括：1）通过对单个心拍的截取，生成12导联的心电信号样本；2）搭建12导联的心电信号的卷积神经网络模型；3）训练卷积神经网络的参数；4）对测试集样本进行自动识别；将划分好的测试集样本输入到卷积神经网络中并运行，获得测试集样本对应的2维预测值向量输出，将测试集样本的标签使用one‑hot编码的方法生成2维的标签向量，将输出的预测值与测试集样本的标签比对来检查分类是否正确，通过分类结果y_pred来判别模型的性能。此方法对多导联心电信号的识别得到了较高的准确率。其中对心肌梗死心拍的识别的准确率可达到99.51%。

主权项

1. 一种基于导联融合深度神经网络的心肌梗死自动检测方法，它包括：1）通过对单个心拍的截取，生成12导联的心电信号样本读入12导联的心电信号的数据，对每个导联心电信号根据同一时刻R波顶点的位置向前截取P个点，向后截取Q个点，每个导联的每个心拍截取W=P+Q个点的数据，相同时刻R波顶点每个导联所截取心电信号的W个点进行第二维度拼接，此时心电信号由1*W维扩增为12*W维；原始每个心拍的心电信号的数据形成上述12*W维的样本，作为卷积神经网络模型的输入X；将所有12导联的心电信号通过上述单个心拍的截取方法对所有的心拍进行截取，形成数据集U，其中数据集U中的每个样本都是上述12*W维的单个心拍的心电信号数据；2）搭建12导联的心电信号的卷积神经网络模型卷积神经网络模型核心由两部分组成：a.针对12导联的心电信号中每个单导联的心电信号的包含三个串联卷积层的底层卷积层结构，与输入X连接；b.针对12导联的心电信号的包含两个串联卷积层的高层融合卷积层结构，与a部分连接，得出的特征经过多个全连接层得到输出分类结果y_pred；3）训练卷积神经网络的参数初始化所述卷积神经网络的参数，将采样好的数据集U随机抽取80%数目的样本当作训练集，其他未选中的样本视为测试集；将训练集中的心电信号样本输入到初始化后的神经网络中，以最小化代价函数为目标进行迭代，生成所述卷积神经网络的参数并保存；4）对测试集样本进行自动识别将划分好的测试集样本输入到卷积神经网络中并运行，获得测试集样本对应的2维预测值向量输出，将测试集样本的标签使用one‑hot编码的方法生成2维的标签向量，将输出的预测值与测试集样本的标签比对来检查分类是否正确，通过分类结果y_pred来判别模型的性能。