一种基于回声状态网络的心脑血管疾病识别系统的制作方法

技术特征：
1.一种基于回声状态网络的心脑血管疾病识别系统，其特征在于，包括脉搏信号传感器、脉搏信号处理模块、识别模块；所述脉搏信号传感器用于采集正常人体、心脑血管疾病人体、未知人体的指尖脉搏波形曲线；所述脉搏信号处理模块用于对正常人体、心脑血管疾病人体、未知人体的指尖脉搏波形曲线进行转换，得到对应的人体心率特征信息；所述识别模块用于根据正常人体、心脑血管疾病人体的指尖脉搏波形曲线对回声状态网络进行训练，训练隐藏层到输出层的连接权值，以用于对未知人体的指尖脉搏波形曲线所对应的人体心率特征信息进行对心脑血管疾病的识别。2.根据权利要求1所述的一种基于回声状态网络的心脑血管疾病识别系统，其特征在于，所述脉搏信号处理模块对指尖脉搏波形曲线进行转换的过程为：1)计算相邻两个脉搏波的峰值点的时间差并滤波，得到连续两次心跳之间的时间差，即ibi数值；2)根据心率值bpm＝60/ibi，计算得出当前的心率值，从而得到该指尖脉搏波形曲线对应的人体心率特征信息。3.根据权利要求2所述的一种基于回声状态网络的心脑血管疾病识别系统，其特征在于：还包括数据增强模块；所述数据增强模块用于在将正常人体、心脑血管疾病人体的指尖脉搏波形曲线输入回声状态网络进行训练前，采用生成对抗网络生成更多的训练数据。4.根据权利要求3所述的一种基于回声状态网络的心脑血管疾病识别系统，其特征在于，所述回声状态网络包括输入层、隐藏层和输出层，在隐藏层到隐藏层之间有一个连接，用来保留前面时刻留下的信息；所述识别模块对回声状态网络进行训练的目标是训练隐藏层到输出层的连接权值。5.根据权利要求4所述的一种基于回声状态网络的心脑血管疾病识别系统，其特征在于，所述识别模块对回声状态网络进行训练的过程包括：1)初始化回声状态网络；2)输入训练数据对初始化后的回声状态网络进行训练，训练完成时，记录储备池的状态，使用线性回归确认隐藏层到输出层的连接权值。6.根据权利要求5所述的一种基于回声状态网络的心脑血管疾病识别系统，其特征在于，初始化回声状态网络的过程为：1)以尽可能大并且小于样本数量的原则确定储备池神经元的个数，设定储备池的权值矩阵的谱半径小于1；2)随机生成输入层到隐藏层、隐藏层到隐藏层的连接矩阵并随机生成固定不变的连接权值；3)使用一个缩放因子乘以随机生成的连接矩阵，随机生成输入连接跟输出反馈值。7.根据权利要求6所述的一种基于回声状态网络的心脑血管疾病识别系统，其特征在于，输入训练数据对初始化后的回声状态网络进行训练的过程包括：1)将训练数据中的小部分训练样本依次加载到输入节点和输出节点并进行空转；2)将所有训练样本依次加载到输入节点和输出节点，记录储备池的状态，使用线性回
归确认并输出隐藏层和输出层之间的连接权值。8.根据权利要求7所述的一种基于回声状态网络的心脑血管疾病识别系统，其特征在于，在对初始化后的回声状态网络进行训练的过程中，储备池的状态更新方式为：x(t)＝tanh(rx(t
‑
1) vu(t))x(t)＝tanh(rx(t
‑
1) vu(t))其中，u(t)表示t时刻的输入，x(t)表示储备池的状态，tanh(
·
)为激活函数，v、r、w分别表示输入权重矩阵、中间权值矩阵和输出权重矩阵；以及输出层的输出f(t)为：f(t)＝wx(t)。

技术总结
本发明涉及深度学习技术领域，具体公开了一种基于回声状态网络的心脑血管疾病识别系统，包括脉搏信号传感器、脉搏信号处理模块、识别模块。脉搏信号传感器用于采集正常人体、心脑血管疾病人体、未知人体的指尖脉搏波形曲线；脉搏信号处理模块用于对这些指尖脉搏波形曲线进行转换，得到对应的人体心率特征信息；识别模块用于根据正常人体、心脑血管疾病人体的指尖脉搏波形曲线对回声状态网络进行训练，训练隐藏层到输出层的连接权值，以用于对未知人体的指尖脉搏波形曲线所对应的人体心率特征信息进行对心脑血管疾病的识别。本系统所采用回声状态网络结构简单、训练快速、推断准确，且仅需要病人指尖脉搏波形曲线即可完成对心脑血管疾病的识别。脑血管疾病的识别。脑血管疾病的识别。


技术研发人员：利节
受保护的技术使用者：九次元(重庆)智能技术有限公司
技术研发日：2021.09.29
技术公布日：2021/12/3