申请/专利权人：北京航空航天大学

申请日：2021-06-03

公开（公告）日：2021-08-24

公开（公告）号：CN113288162A

主分类号：A61B5/318(20210101)

分类号：A61B5/318(20210101);A61B5/361(20210101);A61B5/00(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.06.28#授权;2021.09.10#实质审查的生效;2021.08.24#公开

摘要：本发明公开了一种基于注意力机制的短时单导联心电信号房颤自动检测系统，其特征在于，包括数据采样模块、预处理模块、房颤自动检测模块、优化训练模块。本发明添加自适应注意力模块，能够对大量的心电信号的特征进行精确提取，去除冗余特征；同时，通过强调和抑制信息，有助于不断更新、调整网络结构中的参数去关注和保留一些重要的心电信号特征。此外，将双向时域采样模块与一维密集连接网络级联，一方面能够提取更多与短时单导联房颤信号相关的微小细粒度变化的信息；另一方面能够充分考虑心电信号的时域特征，更好的关注房颤信号间的差异性和互补性，获得更高的分类准确率和特异度。

主权项：1.一种基于自适应注意力机制的短时心电信号房颤自动检测系统，其特征在于，包括数据采样模块、预处理模块、房颤自动检测模块和优化训练模块，其中，所述数据采样模块用于对房颤和非房颤单导联心电信号片段进行片段移位采样，以使两类信号分布均匀；所述预处理模块用于对所述数据采样模块处理后的心电信号片段进行初始化预处理，并作为所述房颤自动检测模块的训练数据；所述房颤自动检测模块是利用深度学习框架搭建的基于自适应注意力机制的自动检测模块，用于构建房颤自动检测模型，所述房颤自动检测模块包括输入层、自适应注意力模块、双向时域采样模块和输出层，其中，所述输入层由卷积层构成，用于将所述预处理模块处理之后的心电信号转化为所述自适应注意力模块能够识别的特征向量；F＝fx,s.t.x＝x1,x2,...,xN，其中，F为特征向量，f代表房颤自动检测模块；x代表单导联心电信号片段，N表示心电信号片段的数量；所述自适应注意力模块由密集残差子块级联构成，用于自适应关注和提取与房颤信号相关的特征并去除冗余特征；所述双向时域采样模块由三个基于Attention机制的Bi-LSTM模块组成；所述输出层由两层全连接层后接Sigmoid层组成，将房颤心电信号与非房颤心电信号进行精准分类，并输出分类结果；所述优化训练模块的处理过程为对房颤自动检测模型加载预训练网络参数，将所述预处理模块预处理之后的心电数据片段按照十折交叉验证划分训练集和验证集，并添加单独的测试集；将训练集和验证集数据用于房颤检测系统模型的模型训练和最优参数选择，将测试集用于测试模型参数的效果；经Adam优化器和交叉熵损失函数优化训练并不断迭代更新，最终获得最优参数模型；经所述数据采样模块、所述预处理模块、所述房颤自动检测模块、所述优化训练模块处理后得到最优参数模型，然后将被检测单导联心电信号直接输入基于自适应注意力机制的短时心电信号房颤自动检测系统中，即能够自动判别被检测心电信号是否有房颤。

全文数据：

权利要求：

百度查询： 北京航空航天大学 基于自适应注意力机制的短时心电信号房颤自动检测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD