[发明专利]一种基于注意力循环神经网络的心电信号定位方法

权利要求书

1.一种基于注意力循环神经网络的心电信号定位方法，其特征在于，包括：

S1、对用于训练的心电信号进行标签，得到初始心电信号；

S2、根据初始心电信号中心搏的位置将初始心电信号切分为若干时间连续的心搏片段信号，并提取每个心搏片段信号的特征向量，将所有心搏片段信号的特征值按照时间顺序组合为心搏特征向量序列；

S3、基于心搏特征向量序列构建注意力循环神经网络；

S4、基于交叉熵损失函数对注意力循环神经网络进行训练；

S5、获取目标心电信号；

S6、根据目标心电信号中心搏的位置将目标心电信号切分为若干时间连续的目标心搏片段信号，并提取每个目标心搏片段信号的特征值，将所有目标心搏片段信号的特征值按照时间顺序组合为目标心搏特征向量序列；

S7、将目标心搏特征向量序列输入训练完成的注意力循环神经网络，得到目标心搏特征向量对应的分类结果和异常心搏位置；

步骤S2，具体包括：

根据QRS波群识别算法识别出初始心电信号中每次心搏的位置；

根据每次心搏的位置将初始心电信号切分时间连续的心搏片段信号；基于模式识别方法提取每个心搏片段信号的特征向量；

将按照时间顺序将所有心搏片段信号的特征向量进行组合，得到心搏特征向量序列；

步骤S6，具体包括：

根据QRS波群识别算法识别出目标心电信号中每次心搏的位置；

根据每次心搏的位置将目标心电信号切分时间连续的目标心搏片段信号；

基于模式识别方法提取每个目标心搏片段信号的特征向量；

将按照时间顺序将所有目标心搏片段信号的特征向量进行组合，得到目标心搏特征向量序列。

2.根据权利要求1所述的基于注意力循环神经网络的心电信号定位方法，其特征在于，步骤S1，具体为：从预设的标签集合内选取若干标签将用于训练的心电信号打上标签。

3.根据权利要求1所述的基于注意力循环神经网络的心电信号定位方法，其特征在于，步骤S3，具体包括：

S31、按照时间顺序依次计算t个步骤的心搏特征向量序列，得到计算结果集合H=[h₁,h₂，…，h_t]；

S32、根据注意力机制计算H中h_i占总体的权值a_i，1≤i≤t；

S33、根据a_i对H进行加权求和，得到注意力循环神经网络层的输出O∈R^h，其中，O=A×H，权值A=softmax（HU），U∈R^h为待训练的参数，softmax为归一化函数，使A中所有数值的求和为1；

S34、将O∈R^h进行带有Sigmoid激活函数的线性组合，得到概率向量P∈R^m，其中m为分类集合的大小，P=Sigmoid（WH），W表示线性组合的权重矩阵。

4.根据权利要求1所述的基于注意力循环神经网络的心电信号定位方法，其特征在于，步骤S4，具体包括：

S41、定义目标函数Loss；

S42、通过交叉熵损失函数度量心搏特征向量序列中标签和预测概率之间的差异对目标函数Loss进行最优化问题求解；

S43、根据梯度下降法迭代更新参数，得到训练完成的注意力循环神经网络。

5.根据权利要求3所述的基于注意力循环神经网络的心电信号定位方法，其特征在于，步骤S42，具体包括：

通过交叉熵损失函数CrossEntropy度量心搏特征向量序列中标签L∈[l₁,l₂,…,l_m]和预测概率P=[p₁,p₂,…,p_m]之间的差异：

，其中，若l_i=1，；若l_i=0，。

6.根据权利要求3所述的基于注意力循环神经网络的心电信号定位方法，其特征在于，步骤S7，具体包括；

将目标心搏特征向量序列输入训练完成的注意力循环神经网络，输出概率向量P=[p₁,p₂,…,p_m]和注意力向量A=[a₁,a₂,…,a_t]，其中，P∈R^m，p_i∈[0，1]，A∈R^t，a_i∈[0，1]，，t为目标心搏片段信号的数量；P为目标心搏特征向量序列对应的目标心电信号的预测分类结果，A为每个心搏信号对最终结果的影响程度，通过影响程度定位得到异常心搏位置。