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：上海海神医疗电子仪器有限公司

摘要：本发明基于DPCNN的腕管综合征智能诊断系统包括：采集多个受试者的相关检测项目的肌电数据；对每项肌电数据进行预处理；将受试者的预处理后各项肌电数据拼接成一个肌电样本数据，据诊断报告分别为各肌电样本数据进行诊断标签，构建模型数据集；选择DPCNN结构搭建深度学习模型；将训练集中各肌电样本数据输入至模型中，模型提取特征进行迭代训练，结合模型训练结果不断调整超参数直至获得最优解；模型进行多折交叉验证训练，据交叉验证结果构建混淆矩阵对模型分类性能进行综合评估；将在交叉验证中各项指标表现最优模型作为最优深度学习模型；将新受试者的待预测肌电样本数据输入至最优深度学习模型以获得对应输出的智能诊断结果。

主权项：1.一种基于DPCNN的腕管综合征智能诊断系统，其特征在于，其包括肌电数据采集模块、肌电数据预处理模块、数据集构建模块、深度学习模型构建模块、模型训练测试模块、模型交叉验证模块、最优模型输出模块和模型预测诊断模块；所述肌电数据采集模块用于以一设定采集频率采集多个受试者的CTS检查过程中的所有检测项目的肌电数据，以获得每个受试者的多项肌电数据；所述肌电数据预处理模块用于对每项肌电数据进行工频噪声、尖峰幅值干扰去除预处理操作；所述数据集构建模块用于将某个受试者的预处理后的各项肌电数据进行拼接整合成一个肌电样本数据，以此每个受试者均对应一个肌电样本数据，并根据临床医生专业的诊断报告分别为各个肌电样本数据进行诊断标签标注，诊断标签为CTS正常对照组标签、及不同轻重程度的CTS标签，基于各个肌电样本数据和对应的诊断标签构建模型数据集，模型数据集中包括训练集和测试集；所述深度学习模型构建模块用于针对肌电样本数据为一维数值型数据的特点，选择DPCNN结构搭建深度学习模型，深度学习模型依次包括多层特征提取层、全连接层、Dropout层和Softmax全连接层，每层特征提取层均包括卷积层、批归一化层和激活函数层，按照层级排序的多层卷积层中前一层级的卷积层的卷积核数量多于后一层级的卷积层的卷积核数量，每层卷积层的优化器选用Adam优化器，初始化超参数：学习率、batchsize决定了训练过程中每次迭代使用样本量的大小、及Epochs数量，学习率取值范围为1*10-5至1*10-3，batchsize取值为2的次方值；所述模型训练测试模块用于将训练集中的各肌电样本数据输入至构建的深度学习模型中，深度学习模型提取样本数据特征进行迭代训练，结合模型训练结果，不断调整超参数直至获得最优解；所述模型交叉验证模块用于利用模型数据集对构建的深度学习模型进行多折交叉验证训练，保证模型数据集中所有的样本数据都作为训练集和测试集参与过模型训练，根据交叉验证结果，构建混淆矩阵对模型分类性能进行综合评估；所述最优模型输出模块用于将在交叉验证中各项指标表现最优的深度学习模型作为最优深度学习模型输出；所述模型预测诊断模块用于采集获得一新受试者的多项肌电数据，经预处理后拼接整合成一个待预测肌电样本数据，将待预测肌电样本数据输入至最优深度学习模型以获得对应输出的智能诊断结果。

全文数据：

权利要求：

百度查询： 上海海神医疗电子仪器有限公司 一种基于DPCNN的腕管综合征智能诊断系统