[发明专利]一种不同室早心电信号分类方法、系统及电子设备在审
| 申请号: | 202310284537.4 | 申请日: | 2023-03-22 |
| 公开(公告)号: | CN116401592A | 公开(公告)日: | 2023-07-07 |
| 发明(设计)人: | 王丽荣;须金柯;刘星宇;刘江旭;鲁思思;李佳程 | 申请(专利权)人: | 苏州大学 |
| 主分类号: | G06F18/241 | 分类号: | G06F18/241;A61B5/346;A61B5/00;G06F18/23;G06N3/0455;G06N3/0464;G06N3/08 |
| 代理公司: | 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 | 代理人: | 陈华红子 |
| 地址: | 215000 江苏*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 同室 电信号 分类 方法 系统 电子设备 | ||
1.一种不同室早心电信号分类方法,其特征在于:包括:
步骤S1:将获取的心电信号数据集X输入训练好的U-Net模型,得到嵌入表达数据集Z;
步骤S2:将所述嵌入表达数据集Z中的样本按簇分类,得到聚类分配Y;
步骤S3:判断所述聚类分配Y中的簇数是否高于预设簇数,若高于预设簇数,则将所述聚类分配Y作为伪标签,以及所述心电信号数据集X同时输入训练好的U-Net模型,实现对训练好的U-Net模型进行重新训练,并得到新的嵌入表达数据集Znew,再重复所述步骤S2直至聚类分配Y中的簇数低于预设簇数;若低于预设簇数,则输出低于预设簇数的聚类分配Y;
步骤S4:根据所述低于预设簇数的聚类分配Y得到不同室早心电信号的分类。
2.根据权利要求1所述的不同室早心电信号分类方法,其特征在于:所述U-Net模型包括编码子网络和解码子网络;
所述编码子网络包括依次连接的第一卷积模块、第一SE模块、第一下采样模块、第二卷积模块、第二SE模块、第二下采样模块、第三卷积模块、第三SE模块、降维模块和L2归一化层;
所述解码子网络包括依次连接的升维模块、第四卷积模块、第一上采样模块、第五卷积模块、第六卷积模块、第二上采样模块、第七卷积模块、第八卷积模块和第一逐点卷积层;
所述降维模块的输出还与升维模块的输入连接;
其中,所述第一SE模块的输出还与第七卷积模块的输出进行拼接,再将拼接后的结果输入第八卷积模块;所述第二SE模块的输出还与第五卷积模块的输出进行拼接,再将拼接后的结果输入第六卷积模块。
3.根据权利要求2所述的不同室早心电信号分类方法,其特征在于:所述第一卷积模块至第八卷积模块均包括依次连接的一维卷积层、BN层和LeakyReLU层。
4.根据权利要求2所述的不同室早心电信号分类方法,其特征在于:所述降维模块包括依次连接的第二逐点卷积层和第一全连接层。
5.根据权利要求2所述的不同室早心电信号分类方法,其特征在于:所述升维模块包括依次连接的第二全连接层和第三逐点卷积层。
6.根据权利要求2所述的不同室早心电信号分类方法,其特征在于:所述第一SE模块、第二SE模块和第三SE模块均包括依次连接的平均池化层、第三全连接层、ReLU层、第四全连接层、Sigmod层和缩放层,所述平均池化层的输入还与缩放层的输出进行相乘操作。
7.根据权利要求2所述的不同室早心电信号分类方法,其特征在于:所述第一下采样模块和第二下采样模块采用最大池化操作;所述第一上采样模块和第二上采样模块采用线性差值操作。
8.一种不同室早心电信号分类系统,其特征在于:包括:
数据构建模块:用于将获取的心电信号数据集X输入训练好的U-Net模型,得到嵌入表达数据集Z;
簇分类模块:用于将所述嵌入表达数据集Z中的样本按簇分类,得到聚类分配Y;
判断模块:用于判断所述聚类分配Y中的簇数是否高于预设簇数,若高于预设簇数,则将所述聚类分配Y作为伪标签,以及所述心电信号数据集X同时输入训练好的U-Net模型,实现对训练好的U-Net模型进行重新训练,并得到新的嵌入表达数据集Znew,再重复所述簇分类模块的过程直至聚类分配Y中的簇数低于预设簇数;若低于预设簇数,则输出低于预设簇数的聚类分配Y;
分类模块:用于根据所述低于预设簇数的聚类分配Y得到不同室早心电信号的分类。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述不同室早心电信号分类方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述不同室早心电信号分类方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州大学,未经苏州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310284537.4/1.html,转载请声明来源钻瓜专利网。





