买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉大学

摘要：本发明公开了一种远程心脏介入手术中的心梗定位系统及方法，首先利用ECG信号采集装置采集心脏介入手术过程中12导联ECG信号并通过Wi‑Fi传输至云服务器；在云服务器上进行ECG信号预处理，将预处理后的ECG信号中每个导联作为云服务器上部署的多分支Mobi‑Trans心梗位置分类模型每个对应分支的输入，每个分支先利用改进的轻量级MobileNetV3模块提取特征，其次使用改进的Transformer模块使模型更关注ECG信号中更重要的位置，最后使用分支注意力模块使模型能够更加关注对分类贡献更大的分支并得到心梗位置的分类结果。本发明通过12个并行分支结合轻量级卷积模块和改进的自注意力模块以及分支注意力机制，为远程心脏介入手术中的心梗定位提供了一种有效的技术手段。

主权项：1.一种远程心脏介入手术中的心梗定位系统，其特征在于：包括病人端、云服务器和医生端；所述病人端，包括12导联ECG信号采集装置和Wi-Fi远程传输装置，用于采集心脏介入手术过程中12导联ECG信号并通过Wi-Fi传输至云服务器；所述云服务器，包括ECG信号预处理模块和多分支Mobi-Trans心梗位置分类模型，用于进行ECG信号预处理，将预处理后的ECG信号中每个导联作为云服务器上部署的多分支Mobi-Trans心梗位置分类模型每个对应分支的输入，提取特征，得到心梗位置的分类结果；所述多分支Mobi-Trans心梗位置分类模型，设置有12个并行分支、拼接层、分支注意力模块、Flatten层、全连接层和Softmax函数层；每个所述分支接收12导联ECG信号中对应导联的长度为320个采样点的心拍，通过所述拼接层将12个分支提取到的特征进行拼接，拼接后的特征图有12个通道，其中每个通道代表对应分支提取到的特征，通过所述分支注意力模块对各分支特征进行注意力操作；利用Flatten层将所述分支注意力模块后的输出特征图进行展平操作，利用全连接层和Softmax函数层得到心梗位置分类结果；所述分支由改进的轻量级MobileNetV3提取特征模块和改进的Transformer注意力模块组成；所述改进的轻量级MobileNetV3提取特征模块，参数设置和MobileNetV3small模型一致，同时将MobileNetV3small模型修改为适用于一维信号处理且删除了模型后半部分，只保留了具有线性瓶颈的逆残差结构的bneck模块之前的部分；改进的轻量级MobileNetV3提取特征模块首先利用一维卷积层提升单通道ECG信号的通道数，并减少信号长度，然后再使用BN层进行归一化操作，经过归一化后的特征图将使用如下所示的h-swish函数进行激活，之后11个堆叠的bneck模块将用于进一步轻量级的特征提取； 其中，x表示输入h-swish函数的自变量，ReLU6函数表达式为：对于输入自变量x，ReLU6x＝minmaxx,0,6；所述分支由改进的轻量级MobileNetV3提取特征模块和改进的Transformer注意力模块组成；所述改进的Transformer注意力模块，使用传统Transformer模型中的编码器encoder部分，并且修改编码器部分中多头自注意力为具有相对位置表示的多头自注意力；所述改进的Transformer注意力模块包含5个堆叠的编码器；相对于传统的Transformer模型中使用的绝对位置编码的自注意力如以下公式所示： 其中，Q表示查询向量Query，K表示键向量Key，V表示值向量Value，dk表示键向量Key的维度的算术平方根；对于一组含有n个元素的输入x＝x1,…,xn，使用上述自注意力公式计算得到的一组输出A＝A1,…,An，其中第i个元素Ai的表达公式如下： 其中，xi表示n个元素的输入x＝x1,…,xn中的第i个元素，xj表示n个元素的输入x＝x1,…,xn中的第j个元素，WQ、WK表示权重矩阵，xi与WQ、WK权重矩阵相乘分别得到与之相关的查询向量和键向量；eij表示xi与xj之间的注意力得分；所述具有相对位置表示的自注意力为修改上式中的eij如下所示： 上式中引入相对位置表示wi-j指的是对于长度为L的一维ECG特征图，当使用多头注意力机制时，每个头中都有一个可训练的长度为2L-1的参数P＝P1,…,P2L-1，当要计算一维ECG特征图中位置为第i个和第j个点之间的相对位置偏置时，将选取P中第i-j+L个元素Pi-j+L作为所述wi-j的值；1≤i≤L，1≤j≤L；所述医生端，用于接收预处理后ECG信号及心梗位置的分类结果，实时可视化ECG波形和心梗位置的分类结果。

全文数据：

权利要求：

百度查询： 武汉大学 一种远程心脏介入手术中的心梗定位系统及方法