公开(公告)号：CN114762605A

公开(公告)日：2022-07-19

申请号：CN202110043850.X

申请日：2021-01-13

申请人： 云南大学 ,  中国科学院数学与系统科学研究院 ,  韩青华 ,  张世华 ,  张炙炀 ,  周维

发明人： 韩青华 ,  张世华 ,  张炙炀 ,  周维

IPC分类号： A61B5/349 ,  A61B5/00

摘要： 本发明设计了一种基于多层卷积稀疏编码的可解释性深度学习的心电图分类方法。该发明主要包括以下步骤：对心电图片段进行去噪和归一化处理，然后通过片段和时间两种分割方式对长时间连续心电图进行分割；获取形态心律失常和节奏心律失常数据集，通过引进两种多层卷积稀疏编码的可解释性深度学习模型‑残差卷积稀疏编码模型(Res‑CSC)和混合尺度密集连接卷积稀疏编码模型(MSD‑CSC)进行训练与测试，最终实现对心律失常的准确且快速的分类。本发明通过以上步骤实现了自动化端对端的心电图分类，并且创新性的同时进行形态心律失常和节奏心律失常分类，这增加了可以识别的心律失常类型；使用可解释性的深度学习模型，增加了分类结果的置信度和鲁棒性。