[发明专利]针对心电图数据使用二值化神经网络的心律不齐检测方法

摘要

本发明公开了一种针对心电图数据使用二值化神经网络的心律不齐检测方法，本发明首先获取训练模型数据，在训练之前对数据进行预处理；构建一组全精度的卷积网络模型，并输入数据进行训练，对网络参数进行调整以获得较好的效果；参考获得的全精度模型，构建二值化网络模型，将数据输入进行训练，对模型参数进行微调，在训练中采用Stop‑BN的训练方法以提高训练效果；将已训练好的全精度模型作为老师模型，未训练的二值化模型作为学生模型，使用老师模型对学生模型进行蒸馏训练，以获得直接训练二值化网络更好的训练效果。本发明针对房颤进行鉴别，可有效减少运算内存与运算时间，训练的网络模型取得较优成果以降低二值化带来的精度损失。

主权项

1.针对心电图数据使用二值化神经网络的心律不齐检测方法，其特征在于：该方法的具体步骤如下：步骤1、获取心电图数据作为模型训练数据，每组数据分为数据内容以及标签，在训练之前首先对模型训练数据进行预处理；步骤2、构建一组全精度的卷积网络模型，并输入预处理后的模型训练数据进行训练；步骤3、根据步骤2获得的全精度的卷积网络模型，构建二值化网络模型，将预处理后的模型训练数据输入进行训练，并对模型参数进行微调，以获得更好的效果；在训练中采用Stop‑BN的训练方法以提高训练效果；其中训练中采用Stop‑BN训练方法以提高训练效果，具体为：当模型训练到效果无法提升之后，停止对BN层中滑动平均的均值与方差更新，并且使用不更新的滑动平均值作为训练时的均值和方差参与训练，同时作为验证时的均值与方差，使得模型的泛化能力得到提升；步骤4、将步骤2中的已训练好的全精度模型作为老师模型，步骤3中的未训练的模型作为学生模型，使用老师模型对学生模型进行蒸馏训练，以获得比步骤3更好的训练效果的模型。