申请/专利权人：大连海事大学

申请日：2022-01-12

公开（公告）日：2024-06-18

公开（公告）号：CN114469120B

主分类号：G06F18/213

分类号：G06F18/213;G06F18/24;G06F18/214;G06F18/22;G06N3/0464;G06N3/0442;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2022.05.31#实质审查的生效;2022.05.13#公开

摘要：本发明一种基于相似度阈值迁移的多尺度Dtw‑BiLstm‑Gan心电信号生成方法，属于数据增强领域，包括以下步骤：获取心电信号数据；对心电信号数据进行预处理，分别将S数据集、V数据集按照比例划分为训练集数据、验证集数据和测试集数据；由生成器、判别器、相似度判别器构成得到多尺度Dtw‑BiLstm‑Gan模型；V类心拍样本数据集在多尺度Dtw‑BiLstm‑Gan模型中预训练，得到的生成器与鉴别器的权重；将生成器与鉴别器的权重迁移至S类心拍样本训练集上作为训练多尺度Dtw‑BiLstm‑Gan的初始权重，采用S类心拍样本训练集完成对多尺度Dtw‑BiLstm‑Ga模型的训练基于训练之后的S类心拍样本的多尺度Dtw‑BiLstm‑Gan模型中的生成器模型生成批次的伪S类心拍样本心电信号，此方法使得本生成网络生成信号与原始信号之平均DTW降到11.1左右。

主权项：1.一种基于相似度阈值迁移的多尺度Dtw-BiLstm-Gan心电信号生成方法，其特征在于：包括以下步骤：获取心电信号数据；对心电信号数据进行预处理，提取出心电信号，从提取的心电信号中分类出S类心拍样本和V类心拍样本，由S类心拍样本构建S数据集，由V类心拍样本构建V数据集，并分别将S、V数据集按照比例划分为训练集数据、验证集数据和测试集数据；由生成器、判别器、相似度判别器构成得到多尺度Dtw-BiLstm-Gan模型；V类心拍样本训练集在多尺度Dtw-BiLstm-Gan模型中预训练，得到的生成器与鉴别器的权重；基于V类心拍样本数据集上预训练得到的生成器与鉴别器的权重，将生成器与鉴别器的权重迁移至S类心拍样本训练集上作为训练多尺度Dtw-BiLstm-Gan的初始权重，采用S类心拍样本训练集完成对多尺度Dtw-BiLstm-Gan模型的训练，得到训练好之后的S类心拍样本的多尺度Dtw-BiLstm-Gan模型；基于训练之后的S类心拍样本的多尺度Dtw-BiLstm-Gan模型中的生成器模型生成批次的伪S类心拍样本心电信号，将伪S类心拍样本心电信号与原始的S类心拍样本心电信号通过DTW算法进行相似度测试；将V类心拍样本训练集数据批次输入到多尺度Dtw-BiLstm-Gan中并对多尺度Dtw-BiLstm-Gan进行预训练，得到的生成器与鉴别器的权重，包括以下步骤：将V类心拍样本训练集中的心拍样本输入到多尺度Dtw-BiLstm-Gan中，通过鉴别器与生成器交替训练的形式进行对抗训练，生成器产生的伪V类心拍样本心电信号与V类心拍样本训练集中的原始V类心拍样本信号输入到鉴别器进行鉴别，鉴别器的鉴别结果对生成器进行调整；采用交叉熵作为损失函数去衡量生成数据分布和真实数据分布之间的距离，并使用自适应运动估计算法进行反向传播以更新鉴别器以及生成器的参数对多尺度Dtw-BiLstm-Gan进行预训练；对预训练生成的伪V类心拍样本，通过相似度判别器设定阈值，基于相似度判别器中的DTW算法得到生成的伪V类心拍样本与V类心拍样本验证集之间的平均动态时间规整距离，当平均动态时间规整距离小于相似度判别器设定的阈值并在纳什均衡之前时，停止使用V类病例训练集数据对多尺度Dtw-BiLstm-Gan进行预训练，得到在多尺度Dtw-BiLstm-Gan在V类病例数据集上预训练得到的生成器与鉴别器的权重，并对生成器与鉴别器的权重进行保存；将生成器与鉴别器的权重迁移至S类心拍样本训练集上作为训练多尺度Dtw-BiLstm-Gan的初始权重，采用S类心拍样本训练集完成对多尺度Dtw-BiLstm-Ga模型的训练，得到训练好之后的S类心拍样本的多尺度Dtw-BiLstm-Gan模型；包括以下步骤：将预训练之后的多尺度Dtw-BiLstm-Gan的鉴别器与生成器权重作为S类心拍样本训练集进行多尺度Dtw-BiLstm-Gan训练的初始权重，将S类训练集中的心拍样本输入到多尺度Dtw-BiLstm-Gan中，通过鉴别器与生成器交替训练的形式进行对抗训练，所述生成器产生的伪S类心拍样本心电信号与S类心拍样本训练集中的原始S类心拍样本信号输入到鉴别器进行鉴别，所述鉴别器的鉴别结果对生成器进行调整；采用交叉熵作为损失函数去衡量生成数据分布和真实数据分布之间的距离，并使用自适应运动估计算法进行反向传播以更新鉴别器以及生成器的参数对多尺度Dtw-BiLstm-Gan进行训练，通过所述相似度判别器中计算的伪S类心拍样本与S类验证集心拍样本之间的最小动态时间规整距离，保存最小动态时间规整距离时的生成器模型，直至网络训练达到纳什均衡状态，完成S类病例训练集对Dtw-BiLstm-Gan的训练；所述对心电信号数据进行预处理，提取出心电信号，从提取的心电信号中分类出S类心拍样本和V类心拍样本，由S类心拍样本构建S数据集，由V类心拍样本构建V数据集，并分别将S、V数据集按照比例划分为训练集数据、验证集数据和测试集数据；包括以下步骤：对心电信号构成的数据集采取N尺度小波变换对信号进行去噪处理，得到去噪后的心电信号；从去噪后的心电信号取R峰的固定步长范围内的心电信号，作为一个心拍样本，构建一个含有M个心拍样本的数据集；按照AAMI标准将含有M个心拍样本的数据集划分为正常搏动即N类心拍样本、室上异位波动即S类心拍样本、室性异位搏动即V类心拍样本、融合搏动即F类心拍样本共计四个类别的心拍样本数据集；将V类心拍样本数据集按照8：1：1的比例划分为V类心拍样本训练集、V类心拍样本验证集与V类心拍样本测试集，将S类心拍样本数据集按照8：1：1的比例划分为S类心拍样本训练集、S类心拍样本验证集与S类心拍样本测试集；所述生成器包括：获取增强心电信号前后时间序列相关性的时序信息单元；对增强前后时间序列相关性的心电信号进行提取多尺度特征及平滑去噪的双通道结构；所述双通道结构包括通道I和通道II；将通道I和通道II进行融合，获得融合之后对心电信号特征；对融合后的心电信号特征进行信号上采样及信号特征提取的上采样单元；所述上采样单元包括若干上采样层和所述若干个特征提取单元；所述若干上采样层和所述若干个特征提取单元交替级联；所述鉴别器包括：若干个特征提取单元、若干个最大池化层、小批量判别层和全连接层；通过若干个特征提取单元与若干个最大池化层交替级联，构建用于信号特征的提取以及降维的第一通道，通过小批量判别层搭建使生成的信号具备多样性的第二通道；将所述第一通道和所述第二通道相融合，在通道融合之后衔接所述全连接层，所述第一通道和第二通道以及全连接层构成多尺度Dtw-BiLstm-Gan的鉴别器；所述对所述训练之后的多尺度Dtw-BiLstm-Gan模型中的生成器模型生成批次的心电信号的生成效果测试的过程如下：将多尺度Dtw-BiLstm-Gan生成的伪S类心拍样本心电信号与S类心拍样本测试集原始S类心拍样本中的各个心电信号通过DTW来求相似度，DTW越低说明生成信号与原始信号的相似度越高；所述相似度判别器采用动态时间规整算法进行相似度判别，并为所述相似度判别器设定阈值。

全文数据：

权利要求：

百度查询： 大连海事大学 一种基于相似度阈值迁移的多尺度Dtw-BiLstm-Gan心电信号生成方法

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。

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