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：博博科技(苏州)有限公司

摘要：本发明公开了一种适用于BCG信号的HRV计算的深度学习处理方法，包括如下步骤：带通滤波，心跳模式检测，训练深度学习神经网络模型，查找特征最稳定的波峰类型，使用深度学习神经网络模型进行峰值类型分类；本发明具有可自动地对K‑Means聚类分类错误的标签进行纠正，可以更精准的对峰值进行校正和识别，可提取出准确的J‑J间隔，为精确计算HRV提供了可靠的数据基础的特点。

主权项：1.一种适用于BCG信号的HRV计算的深度学习处理方法，其特征是，包括如下步骤：步骤1，带通滤波：采用巴特沃斯带通滤波器对BCG信号进行滤波；步骤2，心跳模式检测：步骤2-1，从滤波后的BCG信号中截取所有波峰片段；步骤2-2，确定用于k-Means聚类的k最佳的取值；步骤2-3，对所有的波峰片段进行k-Means聚类：将k最佳的取值用到k-Means聚类中，使用k-Means聚类对所有的波峰片段进行聚类，得到每个波峰片段的聚类结果，为每个波峰片段构建波峰类型标签；步骤3，训练深度学习神经网络模型：步骤3-1，构建深度学习神经网络模型：构建模型子模块1：构建一维卷积层Conv1-1和一维卷积层Conv1-2，构建最大池化层maxpool1-1和最大池化层maxpool1-2；Conv1-1的输出结果输入maxpool1-1中，maxpool1-1的输出结果输入Conv1-2中，Conv1-2的输出结果输入maxpool1-2中，maxpool1-2的输出结果为1x31的矩阵V1；构建模型子模块2：构建一维卷积层Conv2-1和一维卷积层Conv2-2，构建最大池化层maxpool2-1和maxpool2-2；Conv2-1的输出结果输入maxpool2-1中，maxpool2-1的输出结果输入到Conv2-2中，Conv2-2的输出结果输入到maxpool2-2中，maxpool2-2输出1x31的矩阵V2；构建模型子模块3：构建一维卷积层Conv3-1和一维卷积层Conv3-2，构建最大池化层maxpool3-1和最大池化层maxpool3-2；Conv3-1的输出结果输入maxpool3-1中，maxpool3-1的输出结果输入Conv3-2中，Conv3-2的输出结果输入maxpool3-2中，Maxpool3-2输出1x25的矩阵V3；将V1和V2进行交叉：V1输入31x20x31的多层神经网络A，多层神经网络A的输出结果输入softmax函数A1，softmax函数A1的输出结果和V2相乘进行融合，得到V4；V2输入31x20x31多层神经网络B，多层神经网络B的输出结果输入softmax函数B1，softmax函数B1的输出结果和V1相乘进行融合，得到V5；将V3、V4和V5输入87x30xk的多层神经网络C中：将V3、V4和V5通过pytorch的torch.cat函数组装成1x87的矩阵V6，将V6输入到87x30xk的多层神经网络C中，多层神经网络C输出最终的波峰类型；步骤3-2，训练模型：步骤3-2-1，设置波峰片段的输入通道数据：将步骤2-1截取的所有波峰片段按照时间顺序排列成波峰片段序列，设pi为其中的任意一个波峰片段，设置pi的三个输入通道数据：波峰片段、波峰片段后向减法数据和峰值历史数据；步骤3-2-2，将pi以及其对应的分类标签分别组成训练集和测试集，训练集用于训练模型，测试集用于测试模型的准确性；将所有数据片段输入到深度学习神经网络模型中：将pi的波峰片段输入模型子模块1，将pi的波峰片段后向减法数据输入模型子模块2，将pi的峰值历史数据输入模型子模块3；优化器选用深度学习框架pytorch提供的torch.optim.Adam，优化器的学习率设置为0.01；损失函数使用pytorch提供的torch.nn.CrossEntropyLoss交叉熵损失函数，训练次数设置为1000；进行深度学习神经网络模型的训练，每一轮训练之后，计算测试集的准确性，当深度学习神经网络模型在测试集上的准确性达到98％以上时，保存当前的深度学习神经网络模型，训练完成；保存训练好的深度学习神经网络模型输出的每个波峰片段的波峰类型；步骤4，查找特征最稳定的波峰类型：统计每个波峰的幅度值，取波峰幅度值最大的波峰类型为特征类型；步骤5，使用深度学习神经网络模型进行峰值类型分类：使用步骤1对采集到的BCG信号进行滤波，使用步骤2-1从滤波后的BCG信号中截取所有波峰片段，按照步骤3-3-1设置每个波峰片段的输入通道数据，将所有波峰片段的三个输入通道数据输入到训练好的深度学习神经网络模型中，对所有波峰片段进行波峰类型分类。

全文数据：

权利要求：

百度查询： 博博科技(苏州)有限公司 适用于BCG信号的HRV计算的深度学习处理方法