一种基于十二导联心电数据二维化的多输入残差神经网络的ECG信号分类方法

摘要

本发明属于心电信号识别技术领域，具体地涉及一种基于十二导联心电数据二维化的多输入残差神经网络的ECG信号分类方法，包括获取标准十二导联数据、去噪、导联切片、二维化、归一化、扩充维度、二维卷积块、特征合并、利用softmax得到预测的每一类概率、输出结果等步骤。本发明同时对十二导联进行学习，既学习导联内的特征，也学习不同导联之间的特征，最大化的利用ECG信息；使用二维卷积的方式对多导联一维信号序列进行卷积获取特征，高效利用计算资源；使用多输入残差神经网络自动提取十二导联ECG信号的特征和人工特征相结合的方式进行学习，提高了在心房颤动、阻塞两个亚类别异常分类的准确性。