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：齐鲁工业大学

摘要：本发明提供了一种基于双源域整体迁移学习的癫痫疾病识别方法。本发明中选取心律失常源域数据集、心肌梗塞源域数据集和目标域数据集：2对心律失常源域数据集、心肌梗塞源域数据集和目标域数据集中的数据进行降噪预处理；3对心律失常源域数据集、心肌梗塞源域数据集中的心电信号数据进行降序排列；4构建疾病诊断模型，并将经过降噪预处理的心电信号数据送入模型进行训练；5使用整体迁移学习方法将训练好的疾病诊断模型应用到降噪预处理后的目标域数据集中，对癫痫疾病进行诊断。本申请基于双源域整体迁移学习的癫痫疾病识别方法可有效缩短训练时间，同时，在F1‑score、准确率、查准率以及高检测真实性方面也取得非常好的效果。

主权项：1.一种基于双源域整体迁移学习的癫痫疾病识别方法，其特征在于：包括以下步骤：1选取心律失常源域数据集、心肌梗塞源域数据集和目标域数据集：2对心律失常源域数据集、心肌梗塞源域数据集和目标域数据集中的数据进行降噪预处理；3根据与目标域数据集的相关性对心律失常源域数据集、心肌梗塞源域数据集中的心电信号数据进行降序排列；4构建疾病诊断模型，并将心律失常源域数据集、心肌梗塞源域数据集中经过降噪预处理的心电信号数据送入模型进行训练；5将训练好的疾病诊断模型采用整体迁移的形式应用到降噪预处理后的目标域数据集中，对癫痫疾病进行诊断；其中，步骤4的具体步骤为：4.1构建疾病诊断模型，所述疾病诊断模型由顺次相连的Input层、第一个残差网络块的第一个卷积层、第一个残差网络块中的第二个卷积层、第一个残差网络块中的最大池化层、第一个残差网络块的Dropout层、第二个残差网络块的第一个卷积层、第二个残差网络块的第二个卷积层、第二个残差网络块的最大池化层、第二个残差网络块的Dropout层、第三个残差网络块的第一个卷积层、第三个残差网络块的第二个卷积层、第三个残差网络块的最大池化层、第三个残差网络块的Dropout层、第一个全局卷积层、第二个全局卷积层、全局最大池化层、全局Dropout层、第一个Dense层、第二个Dense层以及Softmax分类器构成，且前序层的输出作为当前层的输入；4.2将心律失常源域数据集、心肌梗塞源域数据集中经过降噪预处理的心电信号数据送入疾病诊断模型进行训练。

全文数据：

权利要求：

百度查询： 齐鲁工业大学 基于双源域整体迁移学习的癫痫疾病识别方法