[发明专利]一种基于深度学习模型的心电图分类方法

权利要求书

1.一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。

2.根据权利要求1所述一种基于深度学习模型的心电图分类方法，其特征在于：其中对于步骤1来讲，数据获取包括正常、噪声以及数十种心律失常的原始数据。