[发明专利]时序生理数据分类方法、装置、存储介质和处理器

摘要

本发明公开了一种时序生理数据分类方法、装置、存储介质和处理器。其中方法包括：从数据库中提取多源体征数据，将数据分为训练数据和测试数据并进行预处理；构建深度学习模型DeepPhysioNet，该模型采用编码器‑解码器的神经网络架构，编码器是由基础的特征学习单元、序列残差单元以及表示学习单元组成，能进行强力特征抽取，而解码器利用提取的特征，针对不同目标的分类任务计算分类结果；离线训练阶段，将训练数据输入到模型中进行初步训练，通过测试数据对初步训练完成的模型进行测试，不断重复直至符合预设条件；在线推断阶段将待检测的数据输入到训练好的DeepPhysioNet模型，输出分类结果。本发明具有避免专家偏向、适用于多源时序生理数据、引入注意力机制的优点。

主权项

1.时序生理数据分类方法，其特征在于，包括步骤：(1)从数据库中提取出多源体征数据，将数据分为训练数据和测试数据，并进行数据的预处理；(2)构建深度学习模型DeepPhysioNet，所述DeepPhysioNet模型采用编码器‑解码器的神经网络架构，编码器的首部是由卷积神经网络构成的基础的特征学习单元，然后通过跳字连接构成序列残差单元以加深网络及避免网络出现梯度退化的问题，最后由表示学习单元引入注意力机制，解码器自动对时序生理数据进行强力的特征抽取，而解码器利用提取到的特征，针对不同目标的分类任务计算分类结果；(3)离线训练阶段，以步骤(1)中的训练数据作为输入，输入到DeepPhysionet模型中进行初步训练，再通过步骤(1)中的测试数据对初步训练完成的模型进行测试，不断重复此过程直至模型符合预设条件为止；(4)在线推断阶段，将待检测的数据输入到所述DeepPhysioNet模型，输出分类结果。