一种基于深度迁移学习的心律异常分类方法
- 专利权人:
- 天津大学
- 发明人:
- 吕卫,王粟瑶,褚晶辉
- 申请号：
- CN201811353814.8
- 公开号：
- CN109645980A
- 申请日:
- 2018.14.11
- 申请国别(地区):
- CN
- 年份:
- 2019
- 代理人:
- 摘要：
- 本发明公开了一种基于深度迁移学习的心律异常分类方法,所述方法包括:将处理后的ECG信号通过1D‑CNN和LSTM的级联网络结构,将信号的空间特征和时间特征结合起来提取ECG信号特征;通过多尺度融合的连接方式,将小尺度特征上采样插值到与相邻特征图相等大小的尺度上进行特征融合;将源域和目标域数据的特征通过自适应层进行特征差异调整,源域数据从自适应层输出的特征通过全连接层和Softmax分类器计算分类损失,计算通过自适应层输出的源域和目标域特征间的MMD损失;最后结合分类损失和MMD损失共同调整网络参数。本发明提高了不同域ECG数据多种心律失常识别的准确率,满足了实际应用中的需要。
- 来源网站：
- 中国工程科技知识中心
