一种基于对比学习和多尺度特征提取的心电信号分类方法
摘要文本
一种基于对比学习和多尺度特征提取的心电信号分类方法，涉及心电信号分类技术领域，SE‑ResNeXt‑CAN网络模型由浅层特征提取模块、第一SERM模块、第二SERM模块、第一CARM模块、第二CARM模块构成，SE‑ResNeXt‑CAN网络模型通过多个模块的组合和优化，自适应地学习各个通道之间的关联性，扩大感受野，充分捕捉关键特征，提升了心电信号分类任务的性能和泛化能力。。来自专利查询网
申请人信息
- 申请人:齐鲁工业大学(山东省科学院); 山东省人工智能研究院; 山东省计算中心(国家超级计算济南中心)
- 申请人地址:250353 山东省济南市西部新城大学科技园
- 发明人: 齐鲁工业大学(山东省科学院); 山东省人工智能研究院; 山东省计算中心(国家超级计算济南中心)
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于对比学习和多尺度特征提取的心电信号分类方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311523667.5 |
| 申请日 | 2023/11/16 |
| 公告号 | CN117338310A |
| 公开日 | 2024/1/5 |
| IPC主分类号 | A61B5/346 |
| 权利人 | 齐鲁工业大学(山东省科学院); 山东省人工智能研究院; 山东省计算中心(国家超级计算济南中心) |
| 发明人 | 舒明雷; 李路瑶; 徐鹏摇; 周书旺; 刘照阳 |
| 地址 | 山东省济南市长清区大学路3501号; 山东省济南市历下区科院路19号; 山东省济南市历下区科院路19号 |
专利主权项内容
1.一种基于对比学习和多尺度特征提取的心电信号分类方法，其特征在于，包括如下步骤：a)将心电信号数据集划分为K个批次，每个批次中有T个信号，构成心电信号集合X，X＝{X, X, ..., X, ..., X}，X为第i个心电信号，i∈{1, ..., T}；12iTib)将第i个心电信号X进行数据增强得到样本ic)建立SE-ResNeXt-CAN网络模型，SE-ResNeXt-CAN网络模型由浅层特征提取模块、第一SERM模块、第二SERM模块、第一CARM模块、第二CARM模块构成；d)将样本输入到SE-ResNeXt-CAN网络模型的浅层特征提取模块中，输出得到特征f；1e)将特征f输入到SE-ResNeXt-CAN网络模型的第一SERM模块中，输出得到特征f；12f)将特征f输入到SE-ResNeXt-CAN网络模型的第二SERM模块中，输出得到特征f；23g)将特征f输入到SE-ResNeXt-CAN网络模型的第一CARM模块中，输出得到特征f；34h)将特征f输入到SE-ResNeXt-CAN网络模型的第二CARM模块中，输出得到特征f；45i)第一多层感知机依次由展平层、第一全连接层、第二全连接层构成，将特征f输入到第一多层感知机中，输出得到特征h；5ij)训练SE-ResNeXt-CAN网络模型，得到优化后的SE-ResNeXt-CAN网络模型；k)将新的心电信号数据集划分为K个批次，每个批次中有T个信号，构成心电信号集合Y，Y＝{Y, Y, ..., Y, ..., Y}，Y为第i个心电信号，i∈{1, ..., T}；12iNin)将第i个心电信号Y输入到优化后的SE-ResNeXt-CAN网络模型中，输出得到特征f′，第二多层感知机依次由展平层、第一全连接层、Relu激活函数层、第二全连接层构成，将特征f输入到第二多层感知机中，输出得到特征f，将特征f输入到softmax激活函数中，输出得到第i个心电信号Y的概率分布z，概率分布z为心电分类结果。i55′5″5″iii