[发明专利]一种基于分层注意力模型的心律失常分类方法

权利要求书

1.一种基于分层注意力模型的心律失常分类方法，其特征在于：包括以下步骤：

步骤一、获取数据集并进行数据预处理；

步骤二、提取时间特征：时间特征对于心律失常分类具有重要意义，一些室上性异位搏动患者虽具有与正常心跳相似形态的心电信号，但其RR间期是异常的，所述时间特征主要包括四类:

1)、前RR间期，指的是给定心跳与前一个心跳之间的RR间期；

2)、后RR间期，指的是给定心跳与后一个心跳之间的RR间期；

3)、局部平均RR间期，指的是覆盖过去10秒的滑动窗口内的所有RR间期的平均值；

4)、全局平均RR间期，指的是覆盖过去5分钟的滑动窗口内的所有RR间期的平均值；

步骤三、构建分层注意力模型：该模型包括底层和顶层，底层包含三个主要部分，分别为提取形态特征的一维卷积神经网络(CNN)结构、提取时序特征的带有注意力机制的循环神经网络(RNN)结构以及提取时间特征的全连接层；而顶层利用注意力网络学习了不同特征的不同重要性，从而有效融合了不同特征；最后利用Softmax层，即可得出分类结果；

步骤四、利用所获取的训练数据对模型进行训练，并在验证数据上优化模型的超参数。

步骤五、将待测心电数据输入到训练好的模型中，即可得到判别结果。

2.根据权利要求1所述的一种基于分层注意力模型的心律失常分类方法，其特征在于：步骤一是按如下步骤进行的：

步骤1.1：获取MIT-BIH心律不齐数据库，该数据库共有48条经过标注的记录组成，由于这48条记录所采用的导联不完全相同，故选取包含Ⅱ导联数据的45条记录进行实验；

步骤1.2：对心电信号进行去噪处理：虽然MIT-BIH心律不齐数据库提供的原始数据已经进行了去50Hz工频信号干扰的陷波处理和0.1-100Hz的带通滤波操作，但仍存在部分噪声，因此利用两个中值滤波器和一个截止频率为35Hz的12阶低通滤波器来进一步去除心电信号中的噪声；

步骤1.3：对去噪后的信号进行峰值检测和信号分割：峰值检测是基于现有的工具和算法，主要是为了获取心电信号中P、R、T峰的位置，将心电信号分成单拍，然后在每拍中取64个均匀分布的样本，并将所获取的数据换分为训练集、验证集和测试集。

3.根据权利要求1所述的一种基于分层注意力模型的心律失常分类方法，其特征在于：所述步骤三分类结果根据AAMI标准，将心律失常分类为正常心拍(N)、室上性异位搏动(S)、心室异位搏动(V)、融合搏动(F)四类。