基于辅助分类器生成对抗网络的心电数据生成方法
技术特征:
1.一种基于辅助分类器生成对抗网络的心电数据生成方法,其特征在于,依次包括以下步骤:
2.根据权利要求1所述的基于辅助分类器生成对抗网络的心电数据生成方法,其特征在于:所述的步骤b中,基于自注意力机制的生成器,将包含随机噪声z和类别标签label的向量a作为输入,生成与类别标签label对应的心电数据即向量z作为输出;
3.根据权利要求2所述的基于辅助分类器生成对抗网络的心电数据生成方法,其特征在于:
4.根据权利要求3所述的基于辅助分类器生成对抗网络的心电数据生成方法,其特征在于:首先,自注意力模块对向量ht进行线性变换,分别生成查询向量q、键向量k和值向量v;其中,q=wqht+bq,k=wkht+bk,v=wvht+bv;wq、wk和wv分别表示查询向量q、键向量k和值向量v对应的权重矩阵;bq、bk和bv分别表示查询向量q、键向量k和值向量v对应的偏置;
5.根据权利要求1所述的基于辅助分类器生成对抗网络的心电数据生成方法,其特征在于:所述的步骤b中,基于时空特征的判别器将心电数据g作为输入,分别生成输入为真实心电数据的概率dreal和输入为对应类别标签的概率dclass;
6.根据权利要求5所述的基于辅助分类器生成对抗网络的心电数据生成方法,其特征在于:
7.根据权利要求1所述的基于辅助分类器生成对抗网络的心电数据生成方法,其特征在于,所述的判别器损失函数的设计方法如下:
8.根据权利要求1所述的基于辅助分类器生成对抗网络的心电数据生成方法,其特征在于,所述的生成器损失函数的设计方法如下:
9.根据权利要求1所述的基于辅助分类器生成对抗网络的心电数据生成方法,其特征在于,所述的步骤d包括以下具体步骤:
技术总结
本发明公开了一种基于辅助分类器生成对抗网络的心电数据生成方法,依次包括以下步骤:A:获取不同类型的心电数据样本;B:将对应类型心电数据的先验知识引入基于自注意力机制的生成器和基于时空特征的判别器的构建中,得到基于辅助分类器的生成对抗网络模型;C:设计判别器损失函数和生成器损失函数,结合不同类型的心电数据样本对基于辅助分类器生成对抗网络模型进行训练,得到训练后的基于辅助分类器生成对抗网络模型;D:利用训练后的基于辅助分类器生成对抗网络模型,对不同类型的心电数据样本进行扩充处理。本发明能够有效提高心电数据生成质量,提高心电数据集的多样性和数量,从而提升心电智能辅助诊断模型的性能。
技术研发人员:韩闯,涂强,朱付保,李端,李祖贺,孙佳佳,田二林,南姣芬,李艳婷,周钰森
受保护的技术使用者:郑州轻工业大学
技术研发日:
技术公布日:2024/11/14
文档序号 :
【 40001823 】
技术研发人员:韩闯,涂强,朱付保,李端,李祖贺,孙佳佳,田二林,南姣芬,李艳婷,周钰森
技术所有人:郑州轻工业大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:韩闯,涂强,朱付保,李端,李祖贺,孙佳佳,田二林,南姣芬,李艳婷,周钰森
技术所有人:郑州轻工业大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除