[发明专利]一种基于多模态卷积神经网络心电信号分类方法在审
| 申请号： | 201910955726.3 | 申请日： | 2019-10-09 |
| 公开（公告）号： | CN110584654A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 李惠川;刘树郁 | 申请（专利权）人： | 中山大学 |
| 主分类号： | A61B5/0402 | 分类号： | A61B5/0402;A61B5/0472;A61B5/00 |
| 代理公司： | 44102 广州粤高专利商标代理有限公司 | 代理人： | 张金福 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多模态卷积神经网络心电信号分类方法，通过对大量已标注分类结果的心电数据集训练得到一个由三个支路组成的具有医学指标关注的多模态卷积神经网络，分别为第一支路、第二支路和第三支路，其中第一支路用于处理预先提取出来的心电特征信息，该心电特征信息能有效辅助该多模态卷积神经网络进行最终预测；第一支路用以处理原始的心电信号；第三支路将第一支路与第二支路的输出进行融合并对输入的心电信号类型进行分类。本发明方法通过结合三条支路的损失函数，采取非端到端的训练方式，并引入具有重要价值的传统医学指标关注，从而准确预测出心电信号的所属类别，取得良好的心电分类效果。 | ||
| 搜索关键词： | 支路 心电信号 卷积神经网络 多模态 心电特征 传统医学 分类结果 分类效果 损失函数 心电数据 医学指标 信息能 分类 预测 心电 标注 融合 输出 引入 | ||
【主权项】：
1.一种基于多模态卷积神经网络心电信号分类方法，其特征在于，包括以下步骤：/nS1.获取原始的心电信号并对所述心电信号进行预处理；其中所述心电信号划分为训练集和目标集，所述训练集的心电信号为已标注类型的心电信号，所述目标集的心电信号为未标注类型的心电信号；/nS2.对预处理后的心电信号分别进行心电医学特征提取以及降采样处理；/nS3.构建具有医学指标关注的多模态卷积神经网络，其输入包括所述训练集进行心电医学特征提取并与所属类型对应标注后的数据以及进行降采样处理后的数据，其输出为心电信号的分类结果；/nS4.根据所述多模态卷积神经网络的训练目标定义损失函数，并利用反向传播算法进行最优值求解，得到最终的心电信号分类模型；/nS5.通过所述心电信号分类模型对输入的目标信号进行分类，得到目标信号的分类结果；其中输入的目标信号包括所述目标集进行心电医学特征提取后的数据以及进行降采样处理后的数据。/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中山大学，未经中山大学许可，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/201910955726.3/，转载请声明来源钻瓜专利网。
