rss 推荐阅读 wap

凤舞科技网_软件|硬件|无线|编程|网络|科技|数码|大数据|云计算|科技资讯网

热门关键词:  xxx  as  test  罗克佳华   etc passwd
首页 科技 大数据 软件 无线 硬件 编程 网络 数码 云计算 快讯

基于分布式计较和深度进修的心电节奏分类方式

发布时间:2019-11-08 已有: 人阅读

  该专利手艺材料仅供研究查看手艺能否侵权等消息,商用须获得专利权人授权。该专利全数属于东南大学,未经东南大学许可,私行商用是侵权行为。若是您想采办此专利、获得贸易授权和手艺合做,请联系【客服】

  本发现公开了一种基于分布式计较和深度进修算法的心电节奏分类方式,包罗以下步调:起首获取心电节奏信号并划分样本集,对锻炼集中的心电数据流形进行局部区域化;然后建立分布式深度进修场,并操纵锻炼集数据进行锻炼,正在锻炼中采用软同步的方式实现数据并行;最初操纵锻炼好的深度进修场对测试集的心电数据进行分类。操纵本发现的方式可以或许发觉正在数据中潜正在的消息,处理了保守的心电节奏分类过程中体征描述容易存正在误差,出格是把稳电数据特征不较着时容易呈现错误分类的问题,同时处理了单机锻炼耗时过久的问题,可以或许使用于海量ECG数据的分类,具有显著提高的计较效率。

  心电图(Electrocardiography,ECG)信号阐发正在心血管疾病的诊断中起着主要的感化,由于心电信号记实心电节目,能够供给人体心净形态的主要病理消息。然而,因为心电数据的变化复杂,并且人眼的能力无限,让大夫正在短时间内阐发大量的心电数据现实上是不切现实的。因而,近年来计较机辅帮诊断系统已惹起越来越多的关心。而跟着可穿戴式的心电采集设备的不竭成长,将来通过这类设备所采集到的心电数据将是海量的,计较机辅帮计较需要处置的ECG数据越来越大,保守的单机计较分类方式曾经很难顺应将来的成长。

  高机能的计较(High performance puting,HPC)平台为处置海量ECG数据供给了一种可行的手段。HPC系统凡是利用良多处置器(做为单个机械的一部门)或者某一机群中组织的几台计较机(做为单个计较资本操做)来处置计较使命。机群是一种分布存储的并行系统,各结点通信次要利用动静传送体例。机群系统提出之后成长得十分迅猛,已成为目前研究的热点,它能够用商品处置器和商品收集便利地构制。别的它还有很多过去的并行系统不成对比的劣势,好比投资风险小、机能价钱比高、系统的开辟周期短等长处。

  保守的心电节奏分类方式从分歧角度研究和开辟了提取心电数据特征的手艺,如波形描述形态、波段统计暗示、小波系数的量化等。然而,手动设想的特征不成避免地遭到消息丧失的,由于它们比数据本身更依赖于人。同样手动调整手工特征的多个参数也是很坚苦的。近年来,深度进修手艺成长迅猛,人工智能范畴掀起了深度进修的海潮,从学术界到工业界都热情高涨。深度进修测验考试处理人工智能中笼统认知的难题,从理论阐发到使用都获得了很大的成功,通过深度进修的模子处置心电信号也曾经成为当前的热点。深度进修方式取别离进行特征工程和分类器进修的保守方式分歧,它具有能够从动从数据中进修分层特征暗示的特点和劣势,而保守的特征工程可能得到有用的消息。可是深度进修方式仍然存正在体征描述容易呈现误差的问题,出格是把稳电数据特征不较着时容易呈现分类错误。此外,现有的深度进修平台多采用单机处置,其计较能力改革速度远远跟不上数据量的增加速度,因而若何将复杂的心电信号进行快速精确的分类是当下急需处理的问题。

  发现目标:为领会决现有手艺的问题,本发现提出了一种基于分布式计较和深度进修的心电节奏分类方式,合用于待分类ECG数据量复杂的场景,同时可以或许处理体征描述容易存正在误差出格是把稳电数据特征不较着时容易呈现错误分类的问题。

  (3)建立分布式深度进修场,基于局部区域化处置后的心电数据进行锻炼,采用软同步的方式实现数据并行;

  此中,心电节奏信号从M种分歧类型的ECG数据中提取离散的心电信号而获得,将统一人的统一种心电数据类型做为一个数据集,一个心电节奏做为数据集中的一个数据项。为了提高深度进修的效率,同时帮帮摸索数据中躲藏的类消息,对于心电数据流形进行局部区域化处置,其处置过程包罗:通过计较每个数据集取其他数据集之间的调集相异度来确定该数据集的邻集,将每个数据集及其邻集划分为一个区域,使得划分到区域中的数据量占所无数据量的指定百分比以上。

  建立深度进修场包罗:设置深度进修场的层级布局,包罗输入层、N个躲藏层、输出层,并按照采集的心电数据设置各层神经元数目;然后将心电数据和深度进修框架设置装备摆设给机群,此中M种分歧的心电数据别离设置装备摆设给M个分歧的计较节点,而每台计较节点的深度进修框架不异。深度进修场采用深度前馈收集模子来锻炼,并通过“软同步”(softsynchronization)的方式实现整合成果和正在各工做节点间同步模子参数。

  1、本发现所采用的分布式心电分类方式,可以或许很好地计较复杂心电信号的分类问题,也是对将来穿戴式设备所发生的复杂心电数据无效应对办法。

  2、本发现的深度进修方式通过局部区域化数据处置供给了空间束缚,将深度进修沉点放正在局部门布的特殊性上。当深度进修摸索躲藏的类消息时,如许的束缚能够帮帮削减不相关类的非常值的负面影响。同时,通过局部区域化削减结局部区域的数据量,从而缩小了模子所需的容量,从而实现了更高效的进修。减小的数据量和模子复杂度也降低了计较成本。

  3、本发现的分布式计较采用软同步的方式实现参数的数据并行,使得参数办事器只需领受到指定命目节点的权沉差值就进行更新,而不是期待所有节点发送完权沉差值,再进行平均操做,消弭了木桶效应问题,使得本发现的计较体例愈加速速。

  参照图1,本发现采用分布式计较的布局,分布式计较将M种分歧的心电数据按类型分成M个部门,别离分派给M台工做节点进行处置。次要是考虑到每品种型的心电数据通过深度进修框架所需要的计较力分歧,一品种型若是能提前锻炼完成,能够空出工做节点,避免计较能力的华侈,如许能够节约全体计较时间,大大提高计较效率。取保守的分类方式和简单的深度进修分类进修比拟具有处置ECG大数据的能力,可以或许极大地加速数据处置历程。本实施例中处置的心电数据有16品种型,工做节点数设定为16(图中未全数示出),按照现实环境能够做响应更改。

  从所收集的ECG数据中提取离散的心电节奏信号,通过提取R峰处的多处采样点获得。本实施例中通过提取235个点,此中R峰之前设置90个采样点,之后有144个采样点。若是任何节奏信号中的第一个或最初一个检测到的QRS波群之前的采样点不脚,则忽略响应的心电节奏。这些心电节奏数据将做为深度进修场的锻炼集和测试集样本。

  划分样本集为锻炼集和测试集:拔取数据中统一人的统一种心电数据类型做为一个锻炼集,一个心电节奏做为锻炼集中的一个数据项,进行多次如许的操做,曲到采集到合适数量要求的锻炼集。准绳上锻炼集数据越多越好,本实施例中考虑到利用的心率失据中正在不竭更新添加以及着眼于将来可穿戴设备的普及将会带来复杂的心电数据,最初划分的锻炼集中每类心电数据数目正在几千到上万个不等。锻炼集之外再留取一部门数据做为测试集。

  将锻炼集做为地标集,每个地标集都有本人的局部区域,这个区域由地标集本身和其比来的邻集(也是锻炼集)构成。局部区域中地标集的邻集简直定方式如下:

最火资讯

首页 | 科技 | 大数据 | 软件 | 无线 | 硬件 | 编程 | 网络 | 数码 | 云计算 | 快讯 |免责声明

2011-2038 凤舞科技网(www.foxzw.com)版权所有 Power by DedeCms

电脑版 | wap |