[发明专利]基于一维密集连接卷积网络的心电信号房颤检测方法

权利要求书

1.一种基于一维密集连接卷积网络的心电信号房颤检测方法，其特征在于，包括如下步骤：

步骤一、获取若干含房颤标注的心电信号片段；

步骤二、对步骤一中的心电信号片段进行预处理并作为训练一维密集连接卷积网络模型的训练数据；

步骤三、利用深度学习框架搭建一维密集连接卷积网络模型；

步骤四、为搭建的一维密集连接卷积网络模型随机选取初始参数大小，通过不断向模型批量送入训练数据并且反向传播来更新网络参数，重复上述操作P次后，将得到的参数作为最优参数；P为正整数；

步骤五、对训练好的网络进行轻量化处理，包括参数量化和网络剪枝；

步骤六、采集患者心电信号，将信号波形作为输入送入一维密集连接卷积网络模型中，输出结果，对患者是否有房颤进行预判断。

2.根据权利要求1所述的一种基于一维密集连接卷积网络的心电信号房颤检测方法，其特征在于，步骤一中，心电信号片段的长度应大于5秒。

3.根据权利要求1或2所述的一种基于一维密集连接卷积网络的心电信号房颤检测方法，其特征在于，步骤二中，预处理包括去除基线漂移和平滑降噪。

4.根据权利要求3所述的一种基于一维密集连接卷积网络的心电信号房颤检测方法，其特征在于，所述的一维密集连接卷积网络模型包括输入层、N个密集连接模块和输出层；输入层输入数据至第一密集连接模块，数据依次经过N个密集连接模块后，输出层输出数据结果；

密集连接模块包括M个密集连接层，每一个密集连接层的输入是它所在的密集连接模块中在该层之前的所有密集连接层的输出；M、N为正整数。

5.根据权利要求4所述的一种基于一维密集连接卷积网络的心电信号房颤检测方法，其特征在于，相邻两个密集连接模块之间存在过渡层，每个密集连接模块的输出经过过渡层后作为下一个密集连接模块的输入；

过渡层包括标准化层、线性整流函数层、卷积层、池化层，数据依次经过标准化层、线性整流函数层、卷积层、池化层。

6.根据权利要求5所述的一种基于一维密集连接卷积网络的心电信号房颤检测方法，其特征在于，密集连接层包括标准化层1、线性整流函数层1、卷积层1、标准化层2、线性整流函数层2、卷积层2，数据在标准化层1、线性整流函数层1、卷积层1、标准化层2、线性整流函数层2、卷积层2中依次传输。

7.一种基于一维密集连接卷积网络的心电信号房颤检测系统，其特征在于，包括：

第一模块、用于获取若干含房颤标注的心电信号片段；并对心电信号片段进行预处理并作为训练一维密集连接卷积网络模型的训练数据；预处理包括去除基线漂移和平滑降噪；

第二模块、利用深度学习框架搭建一维密集连接卷积网络模型；并为搭建的一维密集连接卷积网络模型随机选取初始参数大小，通过不断向模型批量送入训练数据并且反向传播来更新网络参数，得到最优网络参数；对训练好的网络进行轻量化处理；

第三模块、用于采集患者心电信号，将信号波形作为输入送入一维密集连接卷积网络模型中，输出结果，对患者是否有房颤进行判断。

8.根据权利要求7所述的一种基于一维密集连接卷积网络的心电信号房颤检测系统，其特征在于，所述的一维密集连接卷积网络模型包括输入层、N个密集连接模块和输出层；输入层输入数据至第一密集连接模块，数据依次经过N个密集连接模块后，输出层输出数据结果；

密集连接模块包括M个密集连接层，每一个密集连接层的输入是它所在的密集连接模块中在该层之前的所有密集连接层的输出。

9.根据权利要求7或8所述的一种基于一维密集连接卷积网络的心电信号房颤检测系统，其特征在于，相邻两个密集连接模块之间存在过渡层，每个密集连接模块的输出经过过渡层后作为下一个密集连接模块的输入；

过渡层包括标准化层、线性整流函数层、卷积层、池化层，数据依次经过标准化层、线性整流函数层、卷积层、池化层。

10.根据权利要求9所述的一种基于一维密集连接卷积网络的心电信号房颤检测系统，其特征在于，密集连接层包括标准化层1、线性整流函数层1、卷积层1、标准化层2、线性整流函数层2、卷积层2，数据在标准化层1、线性整流函数层1、卷积层1、标准化层2、线性整流函数层2、卷积层2中依次传输。