[发明专利]一种基于生成对抗网络的心电信号生成方法

说明书

本发明提出的一种基于生成对抗网络的心电信号生成方法，其特征在于，通过构建生成模型G和判别模型D组成生成对抗网络；生成模型G的输入为噪声信号，输出为模拟心电信号；判别模型D的输入为心电信号，输出为心电信号为真实心电信号的概率；通过生成模型G和判别模型D的对抗训练更新生成模型G，使得生成模型G根据噪声信号模拟真实的心电信号数据并输出。通过本发明可以无限量地产生接近于真实心电信号数据的模拟心电信号数据，大大提高了心电信号采集的效率，并释放了人力。

技术领域

本发明涉及医学和计算机科学技术领域，尤其涉及一种基于生成对抗网络的心电信号生成方法。

背景技术

心电信号是通过在人体皮肤上放置电极采集的心脏电活动信号，是目前最方便且精确的心脏数据采集手段。分析心电信号可以无创伤地诊断多种心脏疾病，长期以来一直是医学、生物学、计算机科学领域内的研究热点。

近年来，随着大数据、人工智能技术的飞速发展，基于大规模心电信号数据建立的心电信号自动分析模型，已经取得了比传统模式识别方法更好的效果，这对于进一步提升国家的医疗水平有着十分重要的意义。

然而，心电信号数据的获取与采集会花费很大的人力物力。据统计，三甲医院的心电科采集一次心电信号数据花费在几十元人民币，耗费一位心电科医师大约10分钟的时间，采集到的有效数据通常在30秒至2分钟。数据量的不足，很难达到现阶段心电信号自动分析模型的训练需求，极大地阻碍了相关算法的成熟应用与落地。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于生成对抗网络的心电信号生成方法。

本发明提出的一种基于生成对抗网络的心电信号生成方法，通过构建生成模型G和判别模型D组成生成对抗网络；生成模型G的输入为噪声信号，输出为模拟心电信号；判别模型D的输入为心电信号，输出为心电信号为真实心电信号的概率；通过生成模型G和判别模型D的对抗训练更新生成模型G，使得生成模型G根据噪声信号模拟真实的心电信号数据并输出。

优选的，生成模型G和判别模型D均为神经网络模型。

优选的，包括以下步骤：

S1、构建生成模型G，其输入为r维的噪声信号z，输出为长度为d、导联数为c的模拟心电信号；

S2、构建判别模型D，其输入为长度为d、导联数为c的心电信号x，输出为数值P，0≦P≦1，P表示该心电信号是真实信号的概率；

S3、初始化生成模型G的模型参数θ_G和判别模型D的模型参数θ_D，预设精度阈值T；

S4、获取m个r维的噪声信号并输入生成模型G，获得m个长度为d、导联数为c的模拟心电信号样本X_fake；并从真实的心电信号中获得m个长度为d、导联数为c的心电信号真实样本X_real；m为预设常数值；

S5、将获得的模拟心电信号样本X_fake和心电信号真实样本X_real作为训练样本，对判别模型D进行训练更新；

S6、计算更新后的判别模型D对训练数据的预测精度；如果预测精度大于精度阈值T，则固定判别模型D，并执行下一步；如果预测精度小于或者等于精度阈值T，则返回步骤S4；

S7、判别模型D固定后，获取新的噪声信号作为训练样本，并结合固定后的判别模型D对生成模型G进行训练更新并固定。

优选的，步骤S5具体为：将获得的模拟心电信号样本X_fake和心电信号真实样本X_real作为判别模型D的训练样本，训练过程中，采用梯度上升法对判别模型D进行参数更新。

优选的，梯度上升法采用的梯度计算公式为：