[发明专利]一种基于多分类器强化学习的心肌梗塞检测方法有效
| 申请号： | 201911030739.6 | 申请日： | 2019-10-28 |
| 公开（公告）号： | CN110693489B | 公开（公告）日： | 2022-06-17 |
| 发明（设计）人： | 邓木清;张壮;曹九稳 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | A61B5/318 | 分类号： | A61B5/318;A61B5/352;A61B5/363;G06K9/00;G06N20/00 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 杨舟涛 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多分类器强化学习的心肌梗塞检测方法。本发明步骤：1、对原始常规12导联心电图进行预处理、R波定位、获取HRV信号；2、对每个导联HRV信号分别提取时域、频域、非线性动力学特征序列；3、利用强化学习让分类器模型不断进行学习，调整模型参数，将不同动作对应的Q值作为一个序列输出，最终训练得到三个主分类器模型，每个主分类器模型里面根据强化学习得分机制产生若干BP分类器；4、利用强化学习训练得到的三个主分类器对测试样本进行分类识别，获得三个测试结果；5、利用投票法则进行最终投票，获得识别结果。本发明引入强化学习机制，能够更有效准确地快速识别检测，能够为心肌梗塞的检测与预防提供有效便利的工具。 | ||
| 搜索关键词： | 一种 基于 分类 强化 学习 心肌梗塞 检测 方法 | ||
【主权项】：
1.一种基于多分类器强化学习的心肌梗塞检测方法，其特征在于包括如下步骤：/n步骤(1)对采集得到的常规十二导联心电图进行数据预处理、R波定位、确定RR间期、获得HRV信号；/n步骤(2)对步骤(1)获得的HRV信号进行每个导联时域、频域、非线性动力学特征提取，将提取的特征序列分别作为模型的输入；/n步骤(3)对步骤(2)利用强化学习让模型不断进行学习，调整模型参数，将不同动作对应的Q值作为一个序列输出，最终训练得到三个主分类器模型，每个主分类器模型里面根据强化学习得分机制产生多个BP分类器；/n步骤(4)将步骤(3)利用强化学习训练得到的三个主分类器对测试样本进行分类识别，获得三个测试结果；/n步骤(5)将步骤(4)利用投票法则进行最终投票，获得识别结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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杭州电子科技大学，未经杭州电子科技大学许可，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/patent/201911030739.6/，转载请声明来源钻瓜专利网。
