申请/专利权人:大连大学
申请日:2021-11-03
公开(公告)日:2024-04-02
公开(公告)号:CN114004258B
主分类号:G06F18/2433
分类号:G06F18/2433;G06F18/10;G06F18/213;G06F18/214;G06N3/0442;G06N3/045;G06N3/0475;G06N3/094;G06N3/0895
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2022.02.22#实质审查的生效;2022.02.01#公开
摘要:本发明公开了一种半监督的心电异常检测方法,包括:使用小波阈值变换对心电信号进行降噪处理,然后随机选取若干正常心电数据作为训练集,再随机选取若干正常心电数据和异常心电数据用于阈值寻优数据集;构建AD‑ECGGAN网络模型,该AD‑ECGGAN网络模型包括生成器和判别器;固定生成器,从所述训练集中抽取n个真实心电样本,在所述生成器中利用定义的噪声分布生成n个虚假心电样本,通过所述真实心电样本和虚假心电样本来训练判别器;本发明提出的用于心电异常检测的AD‑ECGGAN模型,改进了生成对抗网络的网络结构,提出了新的训练方法,使其可以在缺乏异常心电样本的情况下训练心电信号异常检测的分类器,不需要专业的医生对异常数据进行标注,大大节约人力和时间成本。
主权项:1.一种半监督的心电异常检测方法,其特征在于,包括:步骤1:使用小波阈值变换对心电信号进行降噪处理,然后随机选取若干正常心电数据作为训练集,再随机选取若干正常心电数据和异常心电数据用于阈值寻优数据集;步骤2:构建AD-ECGGAN网络模型,所述AD-ECGGAN网络模型包括生成器和判别器;步骤3:固定生成器,从所述训练集中抽取n个真实心电样本,在所述生成器中利用定义的噪声分布生成n个虚假心电样本,通过所述真实心电样本和虚假心电样本来训练判别器;设置每循环更新k次判别器,更新1次生成器为一轮;在每一轮打印所述生成器和判别器的损失以及判别器的准确率;步骤4:通过所述生成器和判别器的损失以及判别器的准确率判断网络是否收敛,若收敛则转到步骤5;若没有收敛则继续步骤3的对抗训练;步骤5:停止训练所述生成器,使用生成器生成的异常心电数据和训练集中真实的心电数据继续训练判别器直到准确率不再提升为止,保存此时的判别器模型;步骤6:调用保存的所述判别器模型,用所述阈值寻优数据集在[0.4-0.6]的阈值区间内找到最优阈值θ;步骤7:利用所述判别器模型和的最佳阈值θ进行心电异常检测。
全文数据:
权利要求:
百度查询: 大连大学 一种半监督的心电异常检测方法
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。