[发明专利]一种心电信号分类装置及方法

权利要求书

1.一种心电信号分类装置，其特征在于，包括：

数据输入模块：用于将采集的临床数据和MIT数据库的标准数据输入到参数训练模块中；

参数训练模块：用于提取所述临床数据的心电信号特征，训练多层稀疏自编码算法参数，并运用所述MIT数据库的标准数据训练回归分类器参数；

分类决策模块：用于根据所述多层稀疏自编码算法参数及回归分类器参数构建心电信号分类器，通过所述心电信号分类器进行心电信号分类。

2.根据权利要求1所述的心电信号分类装置，其特征在于，所述数据输入模块还用于：将采集的临床数据和MIT数据库的标准数据进行去噪、去基线、归一化预处理，并以R波为基点提取出每个R周期的波形。

3.根据权利要求2所述的心电信号分类装置，其特征在于，多层稀疏自编码包括一个输入层和三层隐藏层，所述参数训练模块训练多层稀疏自编码算法参数具体包括：随机初始化各参数的初始值，通过稀疏自编码的算法逐层训练，将波形以R波为中心截取340个点作为待训练的波段，分别选择输入层和三层隐藏层的节点数，通过梯度下降法不断的最小化代价函数，确定输入层与第一层隐藏层的权重系数，以第一层隐藏层的输出特征作为第二层隐藏层的输入特征，训练第一层隐藏层与第二层隐藏层之间的权重系数，并以第二层隐藏层的输出特征作为第三层隐藏层的输入特征训练第二层隐藏层与第三层隐藏层之间的权重系数，完成所述多层稀疏自编码参数的训练。

4.根据权利要求3所述的心电信号分类装置，其特征在于，所述分类决策模块包括softmax回归分类器，所述softmax回归分类器用一部分MIT数据库的标准数据作为softmax回归分类器的训练数据，以所述多层稀疏自编码算法的第三层隐藏层的输出特征作为softmax回归分类器的输入层，根据标准数据的标注训练softmax回归分类器的输入层与输出层之间的参数，同时加入提取的波形特征RR间期、S-T段、R波幅值，得到训练好的softmax回归分类器。

5.根据权利要求4所述的心电信号分类装置，其特征在于，所述分类决策模块还包括微调单元，所述微调单元用反向传播的微调算法，逐层的微调整个softmax回归分类器，得到最终的softmax回归分类器，并输出心电信号分类结果。

6.一种心电信号分类方法，其特征在于，包括以下步骤：

步骤a：将采集的临床数据和MIT数据库的标准数据输入到参数训练模块中；

步骤b：提取所述临床数据的心电信号特征，训练多层稀疏自编码算法参数，并运用所述MIT数据库的标准数据训练回归分类器参数；

步骤c：根据所述多层稀疏自编码算法参数及回归分类器参数构建心电信号分类器，通过所述心电信号分类器进行心电信号分类。

7.根据权利要求6所述的心电信号分类方法，其特征在于，所述步骤a还包括：将采集的临床数据和MIT数据库的标准数据进行去噪、去基线、归一化预处理，并以R波为基点提取出每个R周期的波形。

8.根据权利要求7所述的心电信号分类方法，其特征在于，在所述步骤b中，所述多层稀疏自编码包括一个输入层和三层隐藏层，所述训练多层稀疏自编码算法参数具体包括：随机初始化各参数的初始值，通过稀疏自编码的算法逐层训练，将波形以R波为中心截取340个点作为待训练的波段，分别选择输入层和三层隐藏层的节点数，通过梯度下降法不断的最小化代价函数，确定输入层与第一层隐藏层的权重系数，以第一层隐藏层的输出特征作为第二层隐藏层的输入特征，训练第一层隐藏层与第二层隐藏层之间的权重系数，并以第二层隐藏层的输出特征作为第三层隐藏层的输入特征训练第二层隐藏层与第三层隐藏层之间的权重系数，完成所述多层稀疏自编码参数的训练。