[发明专利]一种心电信号深度学习模型的轻量化方法有效
| 申请号： | 201910793585.X | 申请日： | 2019-08-27 |
| 公开（公告）号： | CN110558972B | 公开（公告）日： | 2022-04-12 |
| 发明（设计）人： | 洪申达;傅兆吉;周荣博;俞杰 | 申请（专利权）人： | 安徽心之声医疗科技有限公司 |
| 主分类号： | A61B5/318 | 分类号： | A61B5/318;A61B5/00 |
| 代理公司： | 合肥市长远专利代理事务所(普通合伙) 34119 | 代理人： | 金宇平 |
| 地址： | 230000 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出的一种心电信号深度学习模型的轻量化方法，包括：构建输入为样本数据，输出为预测概率的复杂深度学习模型F；根据更新后的复杂深度学习模型F获得每一条样本数据对应的预测概率；构建输入为样本数据，输出为轻量化预测概率的轻量化深度学习模型G；结合样本数据、真实标签和预测概率对轻量化深度学习模型G进行训练更新。本发明中，通过复杂深度学习模型F的预测结果结合真实标签对轻量化深度学习模型G进行训练，保证了轻量化深度学习模型G的预测精度；通过结构简单、节点较少的轻量化深度学习模型G对心电信号数据进行预测，耗时少，效率高，实现了学习模型的低复杂度与预测精度的兼得。 | ||
| 搜索关键词： | 一种 电信号 深度 学习 模型 量化 方法 | ||
【主权项】：
1.一种心电信号深度学习模型的轻量化方法，其特征在于，包括：/nS1、对样本数据进行人工标注，获得真实标签；/nS2、构建输入为样本数据，输出为预测概率的复杂深度学习模型F；并选择输入为预测概率，输出为预测标签的第一函数；/nS3、结合样本数据和真实标签对复杂深度学习模型F进行训练更新，并根据更新后的复杂深度学习模型F获得每一条样本数据对应的预测概率；/nS4、构建输入为样本数据，输出为轻量化预测概率的轻量化深度学习模型G；并选择输入为轻量化预测概率，输出为轻量化预测标签的第二函数；轻量化深度学习模型G的模型深度和参数数量均少于复杂深度学习模型F；第一函数和第二函数相同；/nS5、结合样本数据、真实标签和预测概率对轻量化深度学习模型G进行训练更新；/nS6、结合更新后的轻量化深度学习模型G和第二函数建立输入为数据，输出为轻量化预测标签的数据预测模型。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽心之声医疗科技有限公司，未经安徽心之声医疗科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910793585.X/，转载请声明来源钻瓜专利网。
