[发明专利]基于双源域整体迁移学习的癫痫疾病诊断方法

权利要求书

1.一种基于双源域整体迁移学习的癫痫疾病诊断方法，其特征在于：包括以下步骤：

1)选取心律失常源域数据集、心肌梗塞源域数据集和目标域数据集：2)对心律失常源域数据集、心肌梗塞源域数据集和目标域数据集中的数据进行降噪预处理；3)根据与目标域数据集的相关性对心律失常源域数据集、心肌梗塞源域数据集中的心电信号数据进行降序排列；4)构建疾病诊断模型，并将心律失常源域数据集、心肌梗塞源域数据集中经过降噪预处理的心电信号数据送入模型进行训练；5)将训练好的疾病诊断模型采用整体迁移的形式应用到降噪预处理后的目标域数据集中，对癫痫疾病进行诊断；

其中，步骤4)的具体步骤为：4.1)构建疾病诊断模型，所述疾病诊断模型由顺次相连的Input层、第一个残差网络块的第一个卷积层、第一个残差网络块中的第二个卷积层、第一个残差网络块中的最大池化层、第一个残差网络块的Dropout层、第二个残差网络块的第一个卷积层、第二个残差网络块的第二个卷积层、第二个残差网络块的最大池化层、第二个残差网络块的Dropout层、第三个残差网络块的第一个卷积层、第三个残差网络块的第二个卷积层、第三个残差网络块的最大池化层、第三个残差网络块的Dropout层、第一个全局卷积层、第二个全局卷积层、全局最大池化层、全局Dropout层、第一个Dense层、第二个Dense层以及Softmax分类器构成，且前序层的输出作为当前层的输入；4.2)将心律失常源域数据集、心肌梗塞源域数据集中经过降噪预处理的心电信号数据送入疾病诊断模型进行训练。

2.根据权利要求1所述的基于双源域整体迁移学习的癫痫疾病诊断方法，其特征在于：从MIT-BIH数据库中获取心电信号数据作为心律失常源域数据集，从PTB数据库中选取心电信号数据作为心肌梗塞源域数据集，从德国波恩大学癫痫研究中心脑电数据库获取脑电信号数据作为目标域数据集。

3.根据权利要求1所述的基于双源域整体迁移学习的癫痫疾病诊断方法，其特征在于：步骤2)的具体步骤为：

2.1)依次利用巴特沃斯高通滤波器、巴特沃斯带阻滤波器以及中值滤波器对心律失常源域数据集中的心电信号数据中存在的肌电干扰、工频干扰和基线漂移进行除噪处理；依次利用巴特沃斯高通滤波器、巴特沃斯带阻滤波器以及中值滤波器对心肌梗塞源域数据集的数据中存在的肌电干扰、工频干扰和基线漂移进行除噪处理；2.2)依次利用巴特沃斯高通滤波器和50Hz的陷波滤波器对目标域数据集中的脑电信号数据中存在的眼动干扰、肌电干扰、心电干扰以及高频噪声干扰进行去除。