[发明专利]一种基于前馈神经网络拟合的三导联心电电极连接判别方法

摘要

本发明公开了一种基于前馈神经网络拟合的三导联心电电极连接判别方法，包括(1)采集三通道心电标准信号段和构建心电训练信号库；(2)通过前馈神经网络学习算法进行训练得到重构关系模型；(3)根据相关系数法提取出特征值作为心电训练样本，通过人工神经网络学习算法进行训练得到电极连接的判别模型；(4)还原系统模型。本发明心电电极连接判别方法通过由前馈神经网络训练得到的三通道心电信号重构关系模型与相关系数法对心电信号进行转化，进而基于转化得到的特征序列利用人工神经网络学习算法以梯度下降的优化方式将判别模型准确的建立，通过对系统模型的还原，实现了心电电极接错的判别方法，进而大大提升了判别的效率和准确率。

主权项

一种基于前馈神经网络拟合的三导联心电电极连接判别方法，包括如下步骤：(1)在电极连接正确导联输入正常的情况下，通过采集得到m组三通道心电标准信号段组成样本集，m为大于1的自然数；进而通过三个正电极之间连接位置的遍历组合变换将每组信号段扩展成6组，对应得到6m组三通道心电训练信号段；(2)基于m组三通道心电标准信号段通过前馈神经网络学习算法进行训练，得到三通道心电信号之间的重构关系模型，具体过程如下：2.1初始化构建一个由输入层、隐藏层和输出层组成的神经网络；2.2从样本集中任取一组三通道心电标准信号段，将其中任意两个通道的心电标准信号段代入上述神经网络计算得到对应另一通道的心电信号输出结果，进而计算该心电信号输出结果与实际另一通道心电标准信号段之间的累积误差；2.3根据该累积误差通过梯度下降法对神经网络中输入层与隐藏层之间以及隐藏层与输出层之间的权重进行修正，进而从样本集中任取下一组三通道心电标准信号段代入修正后的神经网络；2.4根据步骤2.2和2.3遍历样本集中的所有三通道心电标准信号段，取累积误差最小时所对应的神经网络为所述重构关系模型；(3)将m组三通道心电标准信号段代入上述重构关系模型进行遍历计算，对应得到m组三通道心电重构信号段；使所述的三通道心电训练信号段与对应的三通道心电重构信号段进行相关系数运算，共得到6m组由三个相关系数为特征值组成的特征序列；(4)根据6m组特征序列通过人工神经网络学习算法进行训练，得到关于电极连接位置的判别模型；进而根据用户日常检测得到的三通道心电信号段利用该判别模型对用户的电极连接形式进行判别，判别出该电极连接形式为哪种连接位置状态，且该连接位置状态是否正确。