一种基于深度学习神经网络的ECG信号分类系统和方法
知识产权简介
本发明基于深度学习，域适应，提供一种ECG信号分类系统，可以在跨数据集的测试条件下取得良好的效果。包括：预处理模块，包含滤波、归一化、剪切，填充等数据操作，对原始ECG信号进行预处理，为后续处理做准备工作；公共特征提取模块，使用较浅的卷积神经网络，处理原始的信号输入，得到在所有数据集共享的浅层特征；域不变分支，包含若干层卷积层和一个全连接层，通过最小化所有源域数据集样本的分类损失，学习所有数据集间数据的不变表示；域特有分支，使用若干个具有相同架构的子网络为每一对源数据集和目标数据集进行特征匹配，使得源数据集上学到的知识可以迁移到目标数据集上；混合模块，使用我们基于先验知识的策略为不同分类器在每个类别分配权重，将域不变分支和域特有分支给出的预测有机地结合起来，得到最终的预测结果。本发明利用多源域无监督域适应的技术有效地从已知数据集学习知识并迁移到未知数据集上，利用混合模块组合多个专家模型的预测，有效地提高了在未知数据集上的分类表现。上述ECG信号分类系统，相比其他方法有更强的泛化性能，可以更好地应对数据集分布发生变化的情形。