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!
申请/专利权人:中国人民解放军南部战区总医院
摘要:本发明提供一种基于心电向量图的心肌梗死定位方法,本发明利用PointNet++的多尺度分组MSG模块获取3D‑VCG的全局时空特征,然后通过自注意力机制识别重要的点集,并通过PointNet++处理这些点集以获取其局部时空特征,然后使用Transformer的多头注意力机制再次关联和融合局部和全局特征,通过前向反馈网络减少生成的可训练列表的维度,并通过softmax层生成类概率,以实现心肌梗塞的精确定位。本发明的方法在11类MI定位任务上展现了优异的性能,整体准确率达到99.98%,显著优于现有的心肌梗塞定位技术;有效地利用3D空间中VCG的局部‑时空特征,实现了MI的精确定位。
主权项:1.一种基于心电向量图的心肌梗死定位方法,其特征在于,包括以下步骤:S1、3D矢量心电图数据的获取和预处理采集目标3D-VCG信号,通过下采样和滤波对采集的目标3D-VCG信号进行预处理;S2、全局时空特征提取利用PointNet++的多尺度分组MSG模块从预处理的目标3D-VCG点云空间中获取全局时空特征,通过最远点采样算法从输入的3D-VCG点云中计算出中心点,通过特征聚合实现对VCG全局特征的综合表示;具体包括如下步骤:S21、采样所述的PointNet++的多尺度分组MSG模块通过最远点采样策略FPS从预处理的3D-VCG信号点云中选择一组中心点{c1,c2,...,cm};这些中心点的组合代表点云的全局特征;采样后,每个中心点都会成为一组局部点的中心,这些局部点将用于后续的特征提取;S22、分组对于每个中心点cj,根据指定的欧式距离r和最大邻居数k对相邻点进行分组:Pcj=GroupP,cj,r;式中,Pcj表示以cj为中心点的点组,P表示采集的3D-VCG信号点云数据集;S23、对于每个点组Pcj,采用小型PointNet网络进行处理得到局部点集的时空特征flocal,cj:floocal,cj=PoinNetPcj;S24、特征聚合通过多尺度分组MSG模块将所有局部点集的时空特征flocal,cj进行拼接,生成一个包含层次化局部特征的全局特征描述符这个全局特征描述符包含从多个尺度上提取的局部特征信息;其中,所述的全局特征描述符的表达式为: S25、特征上采样为了将局部特征与全局特征结合,并恢复到原始点云的分辨率,PointNet++的特征传播FP层通过上采样函数来融合不同层次的特征;S3、局部特征提取利用Transformer的自注意力机制确定关键点,然后再通过PointNet++在这些关键点的欧氏距离内提取局部时空特征;具体包括如下步骤:S31、对于给定的3D-VCG信号点云数据集P={p1,p2,...,pN},每个点云pi具有3维特征,将这些点云通过一个逐行前馈网络投影到一个潜在特征空间,得到N个潜在特征向量{platent1,platent2,...,platentN},且每个特征向量platenti具有dm维特征;S32、将通过前馈网络获得的潜在特征向量馈送到Transformer的自注意力机制架构中,使用Transformer的自注意力机制架构中的注意力评分函数,计算每个获得的潜在特征的查询Q与所有键K之间的相似性和关联度,根据相识度得分识别关键点:scoreQ,K=σQ,KT;AQ,K,V=scoreQ,KV;式中,scoreQ,K为评分函数、σQ,KT表示查询Query和键Key之间的点积结果通过一个激活函数σ;激活函数σ采用softmax函数,它将点积的结果转换成一个概率分布,使得每个元素的值都在0到1之间,并且所有元素的和为1;Q,K,V分别表示Transformer的自注意力机制架构的查询Query、键Key和值Value三个关键参数;S33、局部特征的聚合选择得分score最高的M个点云作为关键点,对于每个选定的关键点执行欧氏距离,在预设的欧氏距离r内找到其邻域内的点,这些邻域点与关键点一起构成一个局部点集;然后将局部点集通过另一个前馈网络处理得到聚合局部特征gj;S34、局部特征向量的构建将每个选定的关键点的原始特征以及得分聚合局部特征gj结合起来,形成一个局部特征向量其中,所述的局部特征向量包含了点云的位置信息、重要性得分以及局部邻域的几何特征;S35、输出局部特征集的排列将所有的局部特征向量组合成一个局部特征集FL,并且按照得分的降序排列,确保了特征集的排列不变性,最后输出排序后的局部特征集FL;S4、特征融合和MI定位使用Transformer的多头注意力机制再次关联和融合局部和全局特征,通过前向反馈网络减少生成的可训练列表的维度,并通过softmax层生成类概率,以实现心肌梗塞的精确定位。
全文数据:
权利要求:
百度查询: 中国人民解放军南部战区总医院 一种基于心电向量图的心肌梗死定位方法
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。