[发明专利]一种基于全卷积神经网络的血氧信号分割方法

权利要求书

1.一种基于全卷积神经网络的血氧信号分割方法，其特征在于，包括以下步骤：

步骤1：采集监测信号、人工标记后形成信号数据库；

步骤2：采用信号数据库中的数据训练全卷积神经网络；

步骤3：将监测信号输入全卷积神经网络即可得到分割结果。

2.根据权利要求1所述的一种基于全卷积神经网络的血氧信号分割方法，其特征在于，所述全卷积神经网络包括编码网络和解码网络；编码网络依次进行四次降采样过程，解码网络依次包括四次上采样过程。

3.根据权利要求2所述的一种基于全卷积神经网络的血氧信号分割方法，其特征在于，所述降采样过程采用降采样模块进行，上采样过程采用上采样模块进行；

降采样模块包括依次串联连接的卷积层、归一化层、激活层和最大池化层；上采样模块包括依次串联连接的卷积层、归一化层和激活层；卷积层输入为编码网络输出和线性差值上采样进行通道叠加后结果。

4.根据权利要求1所述的一种基于全卷积神经网络的血氧信号分割方法，其特征在于，所述步骤3中的监测信号经预处理后输入全卷积神经网络，预处理过程如下：

式中：x_i为输入信号，y_i为处理后信号，x_mean为信号的平均值，x_std为信号的标准差。

5.根据权利要求1所述的一种基于全卷积神经网络的血氧信号分割方法，其特征在于，所述监测信号包括血氧信号、心率信号和体动信号；输出的分割结果(3，L)在第一个维度上经SoftMax归一化后，输出对应类别信号概率，选择概率值最大的类别作为对应点的类别；

式中：x_i和x_j为输出特征值。

6.根据权利要求1所述的一种基于全卷积神经网络的血氧信号分割方法，其特征在于，所述步骤1标记包括对信号标记氧减和伪差。

7.根据权利要求1所述的一种基于全卷积神经网络的血氧信号分割方法，其特征在于，所述全卷积神经网络采用Dice指标进行评价：

式中：TP为被判定为负样本实际为负样本，FP为被判定为正样本实际为负样本，FN为被判定为负样本实际为正样本。