[发明专利]一种基于深度神经网络的可穿戴心电图实时诊断系统

说明书

本发明公开了一种基于深度神经网络的可穿戴心电图实时诊断系统，属于医疗器械技术领域，包括：信号采集模块和主控模块，所述信号采集模块，用于采集12导联心电图；所述主控模块包括嵌入FPGA的诊断模型，所述诊断模型为训练好的深度神经网络，所述主控模块，用于对12导联心电图进行实时诊断，在诊断过程中FPGA中的卷积加速器采用分时复用的方式为诊断模型中的每个卷积层配置参数完成卷积运算，得到诊断结果。本发明将诊断模型嵌入FPGA，减少对网络传输的依赖，实现了实时诊断，采用12导联心电图作为输入数据进行预测，提高诊断结果准确率，设计可重构卷积加速器，从而大大提高计算性能，满足可穿戴心电设备进行实时检测和准确诊断的要求。

技术领域

本发明属于医疗器械技术领域，更具体地，涉及一种基于深度神经网络的可穿戴心电图实时诊断系统。

背景技术

心电图是临床上广泛使用的诊断患者心脏健康状况的基本工具之一，它能够记录心脏疾病发作时的异常心电信号。因此，及时准确的心电图诊断可以为患者争取到宝贵的治疗时间。

随着深度学习的兴起，基于深度神经网络的心电图分类诊断方式占据了越来越关键的位置。然而，基于深度学习的心电图分类设备的硬件往往比较庞大且计算量冗杂，不适用于可穿戴式设备等用途。目前可穿戴式设备主要采取单导联的检测方式，但是准确度不够，且可诊断的疾病种类有限；且很多模型受限于较大的计算量通常采用云计算的方式进行实时诊断，从而增加对网络的依赖，当断网时可穿戴设备不能正常工作，对患者的健康监测造成严重的影响。

由此可见，现有技术存在准确度低、对网络依赖强、无法实时诊断的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于深度神经网络的可穿戴心电图实时诊断系统，由此解决现有技术存在准确度低、对网络依赖强、无法实时诊断的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于深度神经网络的可穿戴心电图实时诊断系统，包括：信号采集模块和主控模块，

所述信号采集模块，用于采集12导联心电图；

所述主控模块包括嵌入FPGA的诊断模型，所述诊断模型为训练好的深度神经网络，所述主控模块，用于对12导联心电图进行实时诊断，在诊断过程中FPGA中的卷积加速器采用分时复用的方式为诊断模型中的每个卷积层配置参数完成卷积运算，得到诊断结果。

进一步地，所述深度神经网络依次包括：

输入层、预卷积模块、最大池化层、第一卷积块、第二卷积块、平均池化层、全连接层和分类器，

所述预卷积模块的卷积核大于第一卷积块的卷积核，第一卷积块的卷积核与第二卷积块的卷积核相等；所述预卷积模块、第一卷积块和第二卷积块中每个卷积层之后添加一个批量归一化层；所述全连接层中设置两个dropout层。

进一步地，所述系统还包括：

训练模块，用于将带类别标签的12导联心电图样本作为训练集，训练深度神经网络，训练输出为M个类别标签，M≥1，训练过程中分类器的损失函数L_ω为：

其中，y_j，c表示真实的类别标签值，表示预测的类别标签值，ω_c为权重因子，与训练集中各类别样本的数量成比例，c为第c种类别，C为训练集中类别总数，j为第j个样本，N为训练集中样本总数。

进一步地，所述权重因子为：

其中，n_c代表训练集中第c种类别的样本总数，n_c≤N。

进一步地，所述诊断模型进行通道剪枝后嵌入FPGA，所述通道剪枝的具体实现方式为：