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：郑州大学;云心电网络科技(上海)有限公司;河南云心电网络科技有限公司

摘要：本发明涉及一种基于BiLSTM‑Treg的心电信号分类方法，包括建立BiLSTM‑Treg神经网络模型、采集心电信号、对数据进行预处理、进行心电信号的分类的步骤；本发明首先对数据进行预处理，滤除心电信号中的噪声，并将心电信号以心搏为单位划分，其次，将连续的单心搏组合成心搏段，使得心搏间的节律信息得以保留；然后进行模型的搭建与优化，最后进行心搏分类；本发明通过构建融合心搏间节律信息的时序BiLSTM‑Treg神经网络模型，并利用树正则化方法进行优化，提高了神经网络模型的泛化能力，提高了心搏分类的准确率。

主权项：1.一种基于BiLSTM-Treg的心电信号分类方法，其特征在于，包括如下步骤：建立BiLSTM-Treg神经网络模型：该神经网络模型由MIT-BIH心律失常数据库中的心搏数据作为训练集、并将连续的多个单心搏的心电信号组成心搏段，并以心搏段为单位利用树正则化的BiLSTM模型训练得到；采集心电信号；对数据进行预处理：利用计算机对心电信号进行离散小波变换去噪后，将去噪后的心电信号以心搏为单位进行划分；进行心电信号的分类：将去噪后的心电数据以心搏段为单位输入BiLSTM-Treg神经网络模型进行分类；建立BiLSTM-Treg神经网络模型包括如下步骤：以xt＝[xt1,xt2,…,xt235,]表示一个单心搏样本，将连续的t个单心搏组成的心搏段作为网络的输入，心搏段中单心搏的个数t为网络的时间步长；首先使用BiLSTM进行心搏分类，其次使用决策树对BiLSTM进行模拟，并计算平均路径长度，然后训练多层感知机MLP模型得到代理正则化函数之后将添加到BiLSTM模型的目标函数中进行下一轮的训练直至训练集损失停止减少，存储模型并中断；树正则化的实现方法具体包含如下两个阶段：首先，训练深度神经网络，同时由一棵决策树紧密建模，使这棵决策树能够精确的模拟网络的预测过程；其次，将这棵决策树的复杂性度量——平均路径长度作为模型优化的惩罚项；决策树的生成公式可由公式13-公式14表示， 其中xn为训练集的样本特征，为深度模型的预测标签，W为深度模型中的权重矩阵，为决策树的预测标签；树正则化的计算公式如公式15所示， 其中PathLengthtree,xn为第n个样本的路径长度，ΩW为平均路径长度，也即是惩罚项；为了在网络优化过程中使用梯度下降策略，使用代理正则化函数使其可以代理之前的APL计算方法，如公式16和公式17所示， 其中ξ表示MLP模型的权重矩阵，ε为正则化强度，{Wj,ΩWj}表示已知的参数向量及其对应的真实路径长度的数据集，J表示数据集的总个数。因此使用代理模型之后，BiLSTM-Treg神经网络模型的目标函数如公式18所示，

全文数据：

权利要求：

百度查询： 郑州大学 云心电网络科技(上海)有限公司 河南云心电网络科技有限公司 一种基于BiLSTM-Treg的心电信号分类方法