基于深度学习与心电信号的阿尔茨海默病预测方法和系统

本发明公开一种基于深度学习与心电信号的阿尔茨海默病预测方法和系统。首先，采集心电信号并进行预处理；然后，构建深度学习预测模型，包括特征提取模块和分类预测模块；特征提取模块包括多个残差块，每个残差块包括卷积层、批归一化层、非线性激活层和跳跃连接；分类预测模块通过多层感知机结构和softmax函数实现从特征空间到概率预测的完整映射过程，得到每个心电信号片段属于各类别的预测概率；采用软投票机制对同一样本的多个心电信号片段的预测结果进行融合，得到最终预测结果。系统包括信号采集模块、信号预处理模块、深度学习预测模块和结果输出模块。该方法基于心电信号实现阿尔茨海默病预测，采集方式简便、无创、成本低，适合大规模筛查。