一种心电信号深度学习模型的轻量化方法
基本信息
| 申请号 | CN201910793585.X | 申请日 | - |
| 公开（公告）号 | CN110558972A | 公开（公告）日 | 2019-12-13 |
| 申请公布号 | CN110558972A | 申请公布日 | 2019-12-13 |
| 分类号 | A61B5/0402（2006.01）; A61B5/00（2006.01） | 分类 | 医学或兽医学；卫生学; |
| 发明人 | 洪申达; 傅兆吉; 周荣博; 俞杰 | 申请（专利权）人 | 安徽心之声医疗科技有限公司 |
| 代理机构 | 合肥市长远专利代理事务所（普通合伙） | 代理人 | 安徽心之声医疗科技有限公司 |
| 地址 | 230000 安徽省合肥市巢湖市旗麓路2号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提出的一种心电信号深度学习模型的轻量化方法，包括：构建输入为样本数据，输出为预测概率的复杂深度学习模型F；根据更新后的复杂深度学习模型F获得每一条样本数据对应的预测概率；构建输入为样本数据，输出为轻量化预测概率的轻量化深度学习模型G；结合样本数据、真实标签和预测概率对轻量化深度学习模型G进行训练更新。本发明中，通过复杂深度学习模型F的预测结果结合真实标签对轻量化深度学习模型G进行训练，保证了轻量化深度学习模型G的预测精度；通过结构简单、节点较少的轻量化深度学习模型G对心电信号数据进行预测，耗时少，效率高，实现了学习模型的低复杂度与预测精度的兼得。 |
