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：厦门大学

摘要：公开了一种基于ECG数据的高血压介导心脏损伤检测方法，基于待检测病例的12导联的ECG数据构建并训练获取一个MML‑Net网络，所述MML‑Net网络包括相互连接的特征提取模块、特征融合模块和MLP分类器，利用特征提取模块和特征融合模块提取多尺度的波形特征向量和时间特征向量，所述特征提取模块采用两层挤压‑激励残差块对所述12导联的ECG数据进行整合，使用所述MLP分类器预测病例患有高血压的概率，基于MML‑Net网络进行可解释分析，搭建ECG‑XAI可解释框架，得到与标准ECG特征波形相对齐的心拍级显著性图，实现基于ECG时序数据对高血压介导心脏损伤的早期检测，提高了高血压介导心脏损伤早期检测的精度和鲁棒性。

主权项：1.一种基于ECG数据的高血压介导心脏损伤检测方法，其特征在于，包括：S1、采集待检测病例的12导联的ECG数据与临床诊断数据，对所述ECG数据进行低频滤波与50Hz工频滤波，剔除含有异常的ECG样本，将所述ECG数据限幅至±1500μV，计算所述ECG数据中每个样本的每个导联的方差、平均值和四分位数；S2、基于所述ECG数据构建并训练获取一个MML-Net网络，所述MML-Net网络包括相互连接的特征提取模块、特征融合模块和多层感知器MLP分类器，利用特征提取模块和特征融合模块提取多尺度的波形特征向量和时间特征向量，所述特征提取模块采用两层挤压-激励残差块对所述12导联的ECG数据进行整合，使用所述多层感知器MLP分类器预测病例患有高血压的概率；S3、基于所述MML-Net网络进行可解释分析，所述可解释分析包括：对于给定的所述12导联的ECG数据I，将I输入所述MML-Net网络时，得到目标类别c的所述病例患有高血压的概率yc：yc＝fcI，θ，f表示所述MML-Net网络，θ表示其参数；设A为所述MML-Net网络其中一层的输出特征图，Ak为所述A内的第k个通道特征图，所述yc相对于所述第k个通道特征图Ak中的空间位置i，j处的梯度可表示为：为求偏导数符号，表示第k张特征图上坐标为i，j的点；根据LayerCAM算法，设第k个特征图中空间位置i，j的权重赋值为将与相应的相乘，将多个通道相加，得到相应层的目标类别c的类激活图Mc： 分别在所述MML-Net网络的不同深度、不同尺度的层中生成了5个类激活图，类激活图的尺寸分别为32×12×1250、32×12×312、64×12×78、64×12×78和64×12×78；使用线性插值将所述类激活图上采样到与原始输入的12×5000ECG数据相同的大小，所述线性插值：xsrc代表原始类激活图上点的横坐标，xdst为所述类激活图插值后对应的横坐标，Widthsrc和Widthdst分别代表插值前和插值后的宽度；将插值后的类激活图进行最大最小值归一化，分别为从所述MML-Net网络中的Block1、Block2、Block3A、Block5A、Block7A中类激活图，所述MML-Net网络捕捉的特征颗粒度逐渐增大，捕捉的特征逐渐集中，通过平均5个类激活图，获得一个与输入12×5000ECG数据尺度相同、位置对应的显著性图，代表了输入ECG数据的各个采样点对高血压检测的显著性；根据心电周期将ECG及对应显著性图分割为心拍级别，根据P、Q、R、S、T波的峰值位置对同一导联的心拍进行对齐，同一个心拍内的P、Q、R、S、T波的峰值之间的每个间隔都向上采样或向下采样到相同的长度，确保每个心拍的波峰位置对齐，获得长度统一、波形对齐的心拍级ECG和显著性图片段，将同一导联内的心拍级片段进行累加求平均，得到12导联的完整心拍级ECG和心拍级显著性图。

全文数据：

权利要求：

百度查询： 厦门大学 一种基于ECG数据的高血压介导心脏损伤检测方法