一种基于ResNet-Xgboost模型预测心电波异常类型的方法

摘要

本发明一种基于ResNet‑Xgboost模型预测心电波异常类型的方法，属于心电波异常类型预测技术领域；所要解决的技术问题为：提供一种基于ResNet‑Xgboost模型预测心电波异常类型的方法的改进；解决上述技术问题采用的技术方案为：包括如下步骤：构建8导联心电图数据集；构建能够捕捉不同导联间相似性的ResNet结构的深度神经网络模型，并输出深度特征；根据领域知识和专家经验，构造常用的基于心电波的衍生特征作为人工构造特征；将深度特征和人工构造特征进行特征拼接后作为输入，构建多标签Xgboost预测模型；对于一个新的8导联心电图数据，先输入深度神经网络模型，得到深度特征，与人工特征拼接后输入训练好的Xgboost预测模型，预测患某种疾病的概率；本发明应用于心电波异常预测。