眉县网站建设,搭建网络环境,深圳龙岗高端网站建设,制作班徽的小程序这篇文章在之前读过一次#xff0c;其主要的思路就是利用Gabor变换#xff0c;将心电信号转变为光谱图进行识别研究#xff0c;总体来讲#xff0c;不同于其他的利用心电信号分类的算法#xff0c;该论文将心电信号转换为光谱图#xff0c;在此基础上#xff0c;分类问题… 这篇文章在之前读过一次其主要的思路就是利用Gabor变换将心电信号转变为光谱图进行识别研究总体来讲不同于其他的利用心电信号分类的算法该论文将心电信号转换为光谱图在此基础上分类问题就从信号分类问题变为图像分类或者检测的问题。
名词解释 OSAObstructive sleep apnea睡眠呼吸暂停综合征 SGS: (Gabor spectrogram smoothed by a third-order Savitzky–Golay (S-G) filter.) 平滑的Gabor谱图 GS: (Gabor spectrogram) Gabor光谱图 T-F : (time-frequency (T-F) spectral images) 时频图 TFR:the 2-D images of joint T-F representation 2D-时频光谱图
一、主要工作的阐述
作者在论文中阐述了自己所做的主要工作 1)本文提出了一种集成了SGS和基于深度学习的OSA自动检测方法的新方法。 2)本研究首次采用了S-G滤波器与TFR的融合技术显著提高了OSA的检测性能。 3)最合适的特征的提取、选择和分类是一项耗时的主观任务。因此利用T-F光谱图作为输入信号开发了一个DLM------OSACN-Net。 4)开发的OSACN-Net是不那么复杂的轻量级模型因为它只包括四个卷积层CLs、三个池化层PLs和两个完全连接的层FCLs。 该算法的流程图大致如下 1、利用Gabor变换将60s的信号片段由一阶时间序列转变为二维时频光谱图 2、将光谱图使用SG滤波器滤波得到smoothed Gabor spectrogram (SGS) images。 3、得到的SGS送入OSA-net当中得到分类。
二、技术细节
1、数据集处理 论文作者使用的是The Apnea-ECG database数据集该数据集曾用于心脏病识别挑战赛。其中将数据集划分为60s的片段其中每个片段都带有专家标记的是否患有OSA。
2、Gabor Transform Gabor变换将ECG信号由时间序列转换到频域这一步还将生成额外的时频图。 3、S-G滤波器 上一步得到的时频图经过三阶S-G滤波器平滑滤波后就得到了S-G-S图由下图所示。 4、 OSACN-net网络结构 该网络的结构非常简单如下图所示 作者前面的主要贡献里也提到了该网络模型的优势在于轻量级和低复杂性在检测精度上优于Squeezenet和Resnet50
三、实验结果
在保证输入数据不变的情况下作者做了以下几组对比实验并最终论证了OSACN-Net的优势。
附录 Q1 如何将一维时间序列转换为二维图像 参考链接点击链接一维时间序列处理 Q2数据集划分的方式 该数据库包含70条心电图记录和整个夜间记录。每条记录时长约为7-10小时并包括每分钟正常和呼吸暂停的注释。记录根据ApI和呼吸暂停-非呼吸暂停分钟进行划分每个记录被分割成60秒6000个样本片段。分割后共得到11 620个片段。每个片段都被标记为正常或呼吸暂停。因为它比较了不同的周期长度受试者Id分别为x27m和c01m。 在数据计划分上80%的数据集用作训练集10%数据集用作验证集10%数据集用作测试集。 Q3训练以及实验的部分细节 本研究的重点是利用心电信号对正常和呼吸暂停发作进行准确的分类以获得一个可靠和稳健的OSA检测系统。使用呼吸暂停心电图数据库。这项研究包括三个步骤。首先心电图记录被分割成60秒的片段。其次利用GT获得了60秒分段心电信号的频谱图。第三利用3阶S-G滤波器对获得的光谱图图像进行平滑处理并馈入DLM。为了选择性能最好的TFR和DLM将GS和SGS图像作为输入输入预先训练的net50并开发OSACN-Net对OSA和正常类别进行分类。 Gabor变换使用Guassian窗口函数窗口长度为251 使用三阶、窗口长度为5的S-G滤波器提供了更高的信噪比SNR和结构相似度指数SSI 至此使用长度为251的高斯窗口将一维信号转换为二维光谱图并使用窗口长度为5的三阶S-G滤波器得到SGS。 为了匹配输入图像的大小所有图像的大小都被调整压缩 Squeeze-Net、OSACN-Net为227×227Res-Net50为224×224。 优化器使用Adam训练策略采用十折交叉验证方法训练了25个epochsbatch_size大小为128. Squeeze-Net and Res-Net50 provide the STD of 0.71 and 0.65 and the CI of 90.34 ±0.44 and 94.51 ± 0.40. The developed OSACN-Net marks as the STD of 0.49 and CI of 94.81 ± 0.30 with SGS images.
