[发明专利]一种基于深度领域自适应的多目标域心电信号分类方法

权利要求书

1.一种基于深度领域自适应的多目标域心电信号分类方法，其特征在于，包括如下步骤：

a)获取多个来自不同采集设备采集、不同个体的12导联心电信号，将12导联心电信号进行标注，将已标注标签的12导联心电信号划分为源域S，将未标注标签的12导联心电信号划分为目标域组合T，T＝{T₁,T₂,...,T_k,...,T_M}，T_k为第k个目标域，k＝1,2,...,M，M为目标域数量；

b)将源域S与目标域组合T分别依次进行降采样处理、切片处理、归一化处理，得到处理后的源域S′和处理后的目标域组合T′；

c)建立12导联心电信号的深度学习分类模型，该12导联心电信号的深度学习分类模型由特征提取器和全连接分类器构成，将处理后的源域S′和处理后的目标域组合T′输入至12导联心电信号的深度学习分类模型中，输出得到源域的标签预测值及目标域的标签预测值

d)计算损失函数通过Adam优化算法优化12导联心电信号的深度学习分类模型；

e)将每个目标域数据分别输入到优化后的12导联心电信号的深度学习分类模型中，输出得到每个目标域的标签预测值，完成目标域心电信号分类。

2.根据权利要求1所述的基于深度领域自适应的多目标域心电信号分类方法，其特征在于，步骤b)中切片处理的方法为：对源域S或目标域组合T中的所有12导联心电信号降采样为同样的频率，随机截取30s的心电信号，对数据长度超过30s的12导联心电信号进行截断处理，对数据长度不足30s的12导联心电信号进行重复填充操作。

3.根据权利要求1所述的基于深度领域自适应的多目标域心电信号分类方法，其特征在于，步骤c)包括如下步骤：

c-1)特征提取器依次由第一残差结构、第二残差结构、第三残差结构、第四残差结构构成；

c-2.1)第一残差结构由第一分支单元、第二分支单元、第三分支单元构成，第一分支单元依次由第一卷积层、第一批归一化层、第一ReLu激活函数层、第二卷积层、第二批归一化层、第二ReLu激活函数层构成，分别将处理后的源域S′和处理后的目标域组合T′输入到第一分支单元后分别输出得到12导联心电信号的导联内特征及特征

c-2.2)第一残差结构的第二分支单元依次由卷积层、第一批归一化层、第一ReLu激活函数层、DeformConv可变卷积层、第二批归一化层、第二ReLu激活函数层构成，分别将处理后的源域S′和处理后的目标域组合T′输入到第二分支单元后分别输出得到12导联心电信号的导联间特征及特征

c-2.3)第一残差结构的第三分支单元依次由卷积层与Maxpool最大池化层构成，分别将处理后的源域S′和处理后的目标域组合T′输入到第三分支单元后分别输出得到12导联心电信号的特征及特征

c-2.4)将导联内特征与导联间特征进行特征拼接后输入到Maxpool最大池化层中输出得到特征将导联内特征与导联间特征进行特征拼接后输入到与Maxpool最大池化层中输出得到特征

c-2.5)将特征与特征进行叠加形成新的特征F₁^S，将特征与特征进行叠加形成新的特征

c-3.1)第二残差结构由第一分支单元、第二分支单元、第三分支单元构成，第一分支单元依次由第一卷积层、第一批归一化层、第一ReLu激活函数层、第二卷积层、第二批归一化层、第二ReLu激活函数层构成，分别将特征F₁^S和特征输入到第一分支单元后分别输出得到12导联心电信号的导联内特征及特征

c-3.2)第二残差结构的第二分支单元依次由卷积层、第一批归一化层、第一ReLu激活函数层、DeformConv可变卷积层、第二批归一化层、第二ReLu激活函数层构成，分别将特征F₁^S和特征输入到第二分支单元后分别输出得到12导联心电信号的导联间特征及特征

c-3.3)第二残差结构的第三分支单元依次由卷积层与Maxpool最大池化层构成，分别将特征F₁^S和特征输入到第三分支单元后分别输出得到12导联心电信号的特征及特征

c-3.4)将导联内特征与导联间特征进行特征拼接后输入到Maxpool最大池化层中输出得到特征将导联内特征与导联间特征进行特征拼接后输入到与Maxpool最大池化层中输出得到特征

c-3.5)将特征与特征进行叠加形成新的特征将特征与特征进行叠加形成新的特征

c-4.1)第三残差结构由第一分支单元、第二分支单元、第三分支单元构成，第一分支单元依次由第一卷积层、第一批归一化层、第一ReLu激活函数层、第二卷积层、第二批归一化层、第二ReLu激活函数层构成，分别将特征和特征输入到第一分支单元后分别输出得到12导联心电信号的导联内特征及特征

c-4.2)第三残差结构的第二分支单元依次由卷积层、第一批归一化层、第一ReLu激活函数层、DeformConv可变卷积层、第二批归一化层、第二ReLu激活函数层构成，分别将特征和特征输入到第二分支单元后分别输出得到12导联心电信号的导联间特征及特征

c-4.3)第三残差结构的第三分支单元依次由卷积层与Maxpool最大池化层构成，分别将特征和特征输入到第三分支单元后分别输出得到12导联心电信号的特征及特征

c-4.4)将导联内特征与导联间特征进行特征拼接后输入到Maxpool最大池化层中输出得到特征将导联内特征与导联间特征进行特征拼接后输入到与Maxpool最大池化层中输出得到特征

c-4.5)将特征与特征进行叠加形成新的特征将特征与特征进行叠加形成新的特征

c-5.1)第四残差结构由第一分支单元、第二分支单元、第三分支单元构成，第一分支单元依次由第一卷积层、第一批归一化层、第一ReLu激活函数层、第二卷积层、第二批归一化层、第二ReLu激活函数层构成，分别将特征和特征输入到第一分支单元后分别输出得到12导联心电信号的导联内特征及特征

c-5.2)第四残差结构的第二分支单元依次由卷积层、第一批归一化层、第一ReLu激活函数层、DeformConv可变卷积层、第二批归一化层、第二ReLu激活函数层构成，分别将特征和特征输入到第二分支单元后分别输出得到12导联心电信号的导联间特征及特征

c-5.3)第四残差结构的第三分支单元依次由卷积层与Maxpool最大池化层构成，分别将特征和特征输入到第三分支单元后分别输出得到12导联心电信号的特征及特征

c-5.4)将导联内特征与导联间特征进行特征拼接后输入到Maxpool最大池化层中输出得到特征将导联内特征与导联间特征进行特征拼接后输入到与Maxpool最大池化层中输出得到特征

c-5.5)将特征与特征进行叠加形成新的特征将特征与特征进行叠加形成新的特征

c-6)将特征与特征输入到全连接分类器中，输出得到源域的标签预测值及目标域的标签预测值