[发明专利]组合神经网络心电图分类方法及系统

权利要求书

1.一种组合神经网络心电图分类方法，其特征在于，包括以下步骤：

S1：获取心电原始数据，对所述心电原始数据进行滤波处理；

S2：将滤波后的数据按照时间戳截取为样本数据，并记录其对应的标签，其中每个样本数据表示为X＝{x₁,x₂,....,x_i,....,x_L},x_i为第i个点位对应的电压值，L为矩阵长度；

S3：将所述样本数据进行归一化处理，并将归一化处理后的样本数据整理成训练集和验证集；

S4：将所述训练集送入Inception模块进行学习，其中Inception模块包括多个并联的一维卷积神经网络，并将经过Inception模块输出的数据送入一维卷积神经网络模块中进行学习；

S5：将经过一维卷积神经网络模块输出的数据送入双向的LSTM模块中进行学习并输出类别，将经过LSTM模块输出的数据输入至Softmax函数，对输出的类别的预测概率进行归一化处理；

S6：利用所述验证集对训练学习好的模型进行验证，获得标签预测值，通过所述标签预测值和标签真实值得到分类模型的精确度，并判断所述精确度是否达到预设的精确度阈值或训练轮次，若判断结果为是，则结束训练，若判断结果为否，则重复步骤S4-S6。

2.根据权利要求1所述的组合神经网络心电图分类方法，其特征在于：在步骤S3中，将所述样本数据进行归一化处理的方法包括：

将N个样本数据整合成N*L的矩阵，通过公式对样本数据在-10毫伏到10毫伏之间进行归一化处理。

3.根据权利要求1所述的组合神经网络心电图分类方法，其特征在于：在步骤S4中，所述Inception模块包括四个并联的一维卷积神经网络，其中第一个为核尺寸为1的一维卷积神经网络；第二个为核尺寸为1的一维卷积神经网络串联一个核尺寸为3、填充为1的一维卷积神经网络；第三个为核尺寸为1的一维卷积神经网络串联一个核尺寸为5、填充为2的一维卷积神经网络；第四个为核尺寸为3、步幅为1、填充为1的最大池化串联一个核尺寸为1的一维卷积神经网络。

4.根据权利要求1所述的组合神经网络心电图分类方法，其特征在于：在步骤S4中，所述一维卷积神经网络模块包括四层一维卷积网络串联，其中第一层为核尺寸为50、步幅为5的一维卷积网络，第二层为核尺寸为45、步幅为5的一维卷积网络，第三层为核尺寸为3、步幅为1的一维卷积网络，第四层为核尺寸为3、步幅为1的一维卷积网络。

5.根据权利要求4所述的组合神经网络心电图分类方法，其特征在于：在步骤S4中，所述第一层和第二层的一维卷积网络后面串联BatchNor1d批量标准化操作、ReLU激活函数、核尺寸为2的最大池化以及p＝0.2的Dropout操作；所述第三层和第四层的一维卷积网络后面串联BatchNor1d批量标准化操作、ReLU激活函数以及p＝0.2的Dropout操作。