[发明专利]一种基于多尺度深度学习神经网络的心电检测方法

摘要

本发明提供一种基于多尺度深度学习神经网络的心电检测方法，包括：服务器接收任一客户端发送的待分析的心电数据，所述待分析的心电数据为所述客户端的采集单元采集的，或者独立客户端的采集设备采集并传送至所述客户端的；所述服务器利用预先构建的心律失常检测模型对所述待分析的心电数据进行心律失常的识别处理，获取识别结果；所述心律失常检测模型为预先利用多尺度深度卷积人工神经网络算法训练心电数据样本构建的；所述服务器将所述识别结果发送所述客户端，以使所述客户端展示所述识别结果。上述方法能够较准确的分析心电数据，且方便快捷，提高了实用性。

主权项

1.一种基于多尺度深度学习神经网络的心电检测方法，其特征在于，包括：服务器接收任一客户端发送的待分析的心电数据，所述待分析的心电数据为所述客户端的采集单元采集的，或者独立客户端的采集设备采集并传送至所述客户端的；所述服务器利用预先构建的心律失常检测模型对所述待分析的心电数据进行心律失常的识别处理，获取识别结果；所述心律失常检测模型为预先利用多尺度深度卷积人工神经网络算法训练心电数据样本构建的，用于兼顾心电数据的单次节律中的异常和多次节律之间的异常的，训练好的多尺度卷积神经网络；所述服务器将所述识别结果发送所述客户端，以使所述客户端展示所述识别结果；其中，所述训练好的多尺度卷积神经网络包括三个层级，其中第一层级为输入层；第二层级为隐藏层；第三层级为全连接层；输入层用于心电数据的输入和感知；隐藏层由N个串联的卷积层构成；其中，第一个卷积层由一定数量不同尺度的卷积核并行对输入层的数据进行感知，经过激活函数后，由maxpooling池化层对特征进行降维；前一层的输出作为后一层卷积层的输入，以此类推，直至第N层；全连接层为全连接的多层感知机分类器；对隐藏层输出的特征进行拼接，形成一维特征序列，得到的一维特征序列通过全连接层，通过softmox进行分类预测；所述激活函数为PReLu激活函数；所述训练好的多尺度卷积神经网络的卷积窗的采样尺度包括：fs、2*fs和5*fs，其中，fs为采样率。