一种基于轻量化神经网络模型的心律失常分类方法

本发明公开了一种基于轻量化神经网络模型的心律失常分类方法，涉及心律失常诊断技术领域，包括获得原始心电信号；数据预处理，对所述原始心电信号采用离散小波变换以及软阈值法进行去噪，之后通过逆小波变换重构信号，再采用600毫秒的中值滤波器对去噪后的信号进行处理；划分心拍并特征提取，根据基于导数的R波峰检测方法进行心拍分割，并形成所述心电信号的形态学特征，再根据心拍RR间隙数据确定时间特征，特征提取为所述形态学特征、所述时间特征的提取；以卷积神经网络为核心架构，引入深度可分离卷积搭建轻量化心电模型，使用焦点损失函数训练模型，计算损失并更新模型；该方法在减少模型参数的同时，实现了较高的分类精度。