一种基于层级锥体型特征融合的心电图分类方法及系统

技术特征：
1.一种基于层级锥体型特征融合的心电图分类方法，其特征在于，包括以下步骤：获取待识别的心电图数据进行预处理，得到一维心电信号；基于一维卷积神经网络对一维心电信号进行抽象特征提取；对心电图数据提取先验知识特征；构建多层级锥体将提取的抽象特征和先验知识特征进行特征融合，得到层级锥体每一层的特征融合向量；将层级锥体每一层的特征融合向量输入至训练好的随机森林分类器进行分类，得到分类结果。2.如权利要求1所述的一种基于层级锥体型特征融合的心电图分类方法，其特征在于，所述一维卷积神经网络包括卷积层、池化层和全连接成，卷积核尺寸由第一层卷积层至最后一层卷积层呈上升趋势。3.如权利要求1所述的一种基于层级锥体型特征融合的心电图分类方法，其特征在于，所述先验知识特征包括但不限于时域特征、间期特征、频域特征、非线性特征。4.如权利要求3所述的一种基于层级锥体型特征融合的心电图分类方法，其特征在于，所述非线性特征为排列比例熵，所述排列比例熵通过构建相邻元素的关系矩阵来保留信号振幅信息。5.如权利要求1所述的一种基于层级锥体型特征融合的心电图分类方法，其特征在于，构建多层级锥体将提取的抽象特征和先验知识特征进行特征融合，得到层级锥体特征融合向量，具体包括：将提取的抽象特征作为多层级锥体每一层的特征；将提取的先验知识特征按照所构建的多层级锥体的层数减1后进行划分，得到多个等数量的先验知识特征组；从多层级锥体的第二层开始依次加入与上一层不同的先验知识特征组，得到层级锥体每一层的特征融合向量。6.如权利要求1所述的一种基于层级锥体型特征融合的心电图分类方法，其特征在于，将层级锥体每一层的特征融合向量进行权值分配，然后按照上到下将每一层的特征融合向量依次输入到训练好的随机森林分类器中，得到最终的分类结果。7.一种基于层级锥体型特征融合的心电图分类系统，其特征在于，包括：获取模块，其被配置为获取待识别的心电图数据进行预处理，得到一维心电信号；第一特征提取模块，其被配置为基于一维卷积神经网络对一维心电信号进行抽象特征提取；第二特征提取模块，其被配置为对心电图数据提取先验知识特征；特征融合模块，其被配置为构建多层级锥体将提取的抽象特征和先验知识特征进行特征融合，得到层级锥体每一层的特征融合向量；分类模块，其被配置为将层级锥体每一层的特征融合向量输入至随机森林分类器进行分类，得到分类结果。8.如权利要求7所述的一种基于层级锥体型特征融合的心电图分类系统，其特征在于，所述特征融合模块包括：将提取的抽象特征作为多层级锥体每一层的特征；将提取的先验知识特征按照所构建的多层级锥体的层数进行划分，得到多个等数量的
先验知识特征组；从多层级锥体的第二层开始依次加入与上一层不同的先验知识特征组，得到层级锥体每一层的特征融合向量。9.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时实现如权利要求1-6中任一项所述的一种基于层级锥体型特征融合的心电图分类方法中的步骤。10.一种处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的一种基于层级锥体型特征融合的心电图分类方法中的步骤。

技术总结
本发明提出了一种基于层级锥体型特征融合的心电图分类方法及系统，包括以下步骤：获取待识别的心电图数据进行预处理，得到一维心电信号；基于一维卷积神经网络对一维心电信号进行抽象特征提取；对心电图数据提取先验知识特征；构建多层级锥体将提取的抽象特征和先验知识特征进行特征融合，得到层级锥体每一层的特征融合向量；将层级锥体每一层的特征融合向量输入至训练好的随机森林分类器进行分类，得到分类结果。将先验知识特征和抽象特征进行融合，将两类特征的优点充分发挥，提高分类精度。提高分类精度。提高分类精度。


技术研发人员：张亚涛 鲍喆 姜世鹏
受保护的技术使用者：山东大学
技术研发日：2022.08.12
技术公布日：2022/11/15