[发明专利]一种基于融合异源数据的宽深神经网络心肌梗死检测方法

权利要求书

1.一种基于融合异源数据的宽深神经网络心肌梗死检测方法，其特征在于：包括以下步骤：

S1：数据预处理，读入12导联的心电信号的数据,采用小波变换滤除原始心电信号中的工频干扰，采用巴特沃斯带阻滤波器滤除肌电干扰，采用中值滤波滤除原始心电信号中的基线漂移；

S2：心拍数据提取，通过小波变换检测R波位置，进而对R波前后数据点进行固定长度截取，从而完成对心拍数据提取；

S3：异源数据预处理，对于病人病历信息进行筛选，过滤出用户个人病历中与心肌梗死可能相关的特征进行预处理，并构建交叉特征；

S4：模型搭建，搭建联结12导联的心电信号与病人病历数据的宽深神经网络模型，宽度部分为广义线性回归模型，深度部分为七层全连接层，两个部分的输出各自构成损失函数的一部分；

S5：训练模型参数，初始化所述宽深神经网络的参数，将构建好的数据集拆分为训练集和测试集；利用训练集样本对模型宽度与深度部分进行联合训练，生成所述宽深神经网络的参数并保存；

S6:模型预测，对测试集样本进行自动识别，获得心肌梗死的二分类结果。

2.根据权利要求1所述的一种基于融合异源数据的宽深神经网络心肌梗死检测方法，其特征在于：所述S2具体包括：读取降噪后12导联的心电信号数据，对每个导联心电信号根据同一时刻R波峰值处的位置固定向前截取200个样本点，向后截取400个样本点，使得每个导联的每个心拍固定截取600个点的数据，对相同时刻R波顶点每个导联所截取的600个点的心电信号进行行级上的拼接，此时原始每个心拍的心电信号的数据形成12*600维的样本，作为宽深神经网络模型的输入数据X1。

3.根据权利要求1所述的一种基于融合异源数据的宽深神经网络心肌梗死检测方法，其特征在于：所述S3具体包括：对病历信息进行筛选，过滤出与心肌梗死可能相关的信息，包括14个病人特征；对病历数据：性别X2₁、所属年龄段X2₂、血型X2₃、是否胸痛X2₄、是否胸闷X2₅、是否心绞痛X2₆、是否有先天性心脏病X2₇、是否有相关家族遗传病史X2₈、静息血压变化是否异常X2₉、血脂含量变化是否异常X2₁₀、心肌酶含量变化是否异常X2₁₁、C反应蛋白含量变化是否异常X2₁₂、白细胞含量变化是否异常X2₁₃、钙蛋白含量变化是否异常X2₁₄这14个离散型特征，首先利用one-hot方法进行编码，生成多维的互斥离散化向量，其中所属年龄段X2₂为10维互斥向量，血型X2₃为34维互斥向量，其他均为2维互斥向量，然后将生成的向量依次在行级上拼接，此时原始每个心拍的心电信号的数据形成64维的样本，作为宽深神经网络模型的输入数据X2；进而对这14个病人特征两两之间进行交叉，共进行91次交叉，得到91个交叉特征，对每个交叉特征使用one-hot编码。

4.根据权利要求3所述的一种基于融合异源数据的宽深神经网络心肌梗死检测方法，其特征在于：所述one-hot编码，表示如下:其中，X2_k1、X2_k2分别表示第k次交叉的两个病人特征，为one-hot向量，为张量积，φ表示将一个n×m矩阵的所有行合并成，转换成一个n*m维的向量，X3_k表示第k个交叉特征，为one-hot向量，维度为d(X2_k1)*d(X2_k2)，d(X2_k1)、d(X2_k2)各自表示第k次交叉的两个病人特征向量维度；将所有交叉特征向量在行级上拼接，共得到1660维向量，作为宽深神经网络模型输入X3，表示为：X3＝[X3₁,X3₂,..,X3₉₁]∈R¹⁶⁶⁰。