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！

摘要：本发明提供一种基于自动深度卷积学习模型的十二导联心电图的分类方法，具体为：步骤1：对样本心电信号进行去噪处理；并将去噪处理后的心电信号划分成训练集和测试集；步骤2：构建基于Resnet34的深度卷积学习模型；步骤3：对心电信号中每类心拍类型标签进行One‑Hot编码；步骤4：采用训练集对步骤3的深度卷积学习模型进行训练；训练完成后，保存准确率最高的模型参数和准确率；并采用测试集测试训练后的深度卷积学习模型的准确度。步骤5：将实际的心电信号输入至训练后得到的基于Resnet34的深度卷积学习模型中，得到实际的心电信号的类别。本发明提高了分类的精度，并且增加了模型的可解释性。

主权项：1.基于自动深度卷积学习模型的十二导联心电图的分类方法，其特征在于：具体包括如下步骤：步骤1：对样本心电信号进行去噪处理；并将去噪处理后的心电信号划分成训练集和测试集；步骤2：构建基于Resnet34的深度卷积学习模型；步骤3：对心电信号中每类心拍类型标签进行One-Hot编码；步骤4：采用训练集对步骤3的基于Resnet34的深度卷积学习模型进行训练；训练完成后，保存准确率最高的模型参数和准确率；并采用测试集测试训练后的基于Resnet34的深度卷积学习模型的准确率；步骤5：将实际的心电信号输入至训练后得到的基于Resnet34的深度卷积学习模型中，得到实际的心电信号的类别；训练基于Resnet34的深度卷积学习模型使时采用的损失函数为： 其中，losscrossentropyx,t表示损失函数，X表示训练集中心电信号的总个数，C表示类别的总个数，若yx,t＝1，表示第x个心电信号属于第t个类别，若yx,t＝0,则表示第x个心电信号不属于第t个类别；px,c表示第x个心电信号属于第t个类别的概率；基于Resnet34的深度卷积学习模型采用H-reg方法进行特征提取优化： 其中，x表示第x个心电信号，表示x服从样本数据集分布，表示二范式的数学期望，n为超参数，表示在学习模型中提取的每个特征值的重要性；所述步骤4中采用如下公式计算准确率： 其中，F1为准确率，Pre为准确度，Rec为召回率，TP表示训练时深度卷积学习模型的输出为正例而且实际上也是正例的样本心电信号的个数，FP为训练时深度卷积学习模型的输出为正例但实际上是负例的样本心电信号的个数；FN为训练时深度卷积学习模型的输出为负例但实际为正例的样本心电信号的个数。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于自动深度卷积学习模型的十二导联心电图的分类方法