[发明专利]一种基于InResNet网络的心电信号联合识别模块及方法

权利要求书

1.一种基于InResNet网络的心电信号联合识别模块，其特征在于，包括：

输入模块，接收一维心电数据作为输入的心电信号；

收缩模块，捕捉心电信号中的上下文信息，其包含特征提取和降维两个层，特征提取模块包含一个InRes层，降维模块包含一个池化层；所述InRes层是将InRes模块在卷积中划分为一个单独的层；InRes层在特征提取时对输入的心电信号进行三路的1×1的卷积，然后输出分别连接1×64、1×32、1×16三路卷积；

扩张模块，提取特征并将其与收缩模块中相应特征相对比，对心电信号中需要分割的部分进行定位，其包括上采样层和聚合层；

激活模块，利用Leaky ReLU激活函数对上一层的结果进行激活，以加入非线性因素；

分类模块，利用softmax层产生心电信号属于各个类别的概率；

输出模块，以概率值最大的类型作为心电信号分类的结果并输出。

2.如权利要求1所述的基于InResNet网络的心电信号联合识别模块，其特征在于，各模块的信号处理为：

输入模块，接收结构为1×1800的一维心电信号作为输入；

收缩模块，对输入的心电信号数据进行特征提取，捕捉信号中的上下文信息，得到225×128的特征；

扩张模块，225×128的特征输入扩张模块再次进行特征提取，并将提取出的特征与在收缩模块中对应的特征相结合，得到1800×3的特征数据；

激活模块，1800×3的特征数据输入激活模块增强网络的表达能力，并将激活后的特征数据输入分类模块；

分类模块，利用softmax函数得到表现心电信号在每个采样点处所属类别的概率的1800×1的数据；

输出模块，以概率值最大的类型作为心电信号分类的结果并输出。

3.如权利要求1所述的基于InResNet网络的心电信号联合识别模块，其特征在于，所述的收缩模块中，特征提取层是利用InRes层对输入信号进行特征提取，学习信号中的数据分布；

降维层包含一个1×2的最大池化操作，利用池化操作对提取到的特征进行降维，降低信息复杂度。

4.如权利要求1所述的基于InResNet网络的心电信号联合识别模块，其特征在于，所述的扩张模块中，上采样层包含一个1×2的上采样操作以及一个1×4的卷积操作；聚合层包含一个将相应特征合并的操作。