基于神经网络架构搜索与特征融合的小样本脉搏波分类方法

作     者：邢豫阳 陈丰 毛晓波 孙智霞 逯鹏 乔云峰 窦亚美 XING Yuyang;CHEN Feng;MAO Xiaobo;SUN Zhixia;LU Peng;QIAO Yunfeng;DOU Yamei

作者机构：郑州大学电气与信息工程学院河南郑州450001 中医药智能科学与工程技术研究中心河南郑州450001 郑州市第七人民医院河南郑州450016 郑州大学第五附属医院河南郑州450052 互联网医疗与健康服务河南省协同创新中心河南郑州450052 

出 版 物：《郑州大学学报（理学版）》 (Journal of Zhengzhou University:Natural Science Edition)

年 卷 期：2024年第56卷第6期

页      面：54-61页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家中医药创新团队及人才支持计划项目(ZYYCXTD-D-202005) 中央本级重大增减项目(2060302) 河南省高校重点项目(22A520009) 

主　　题：脉搏波 小样本 神经网络架构搜索 特征融合 卷积神经网络 

摘      要：基于深度学习的脉搏波分类依赖大量有标注数据,现有脉搏波带有疾病标注的数据少、标注方法不统一,导致模型准确率低、泛化能力弱。针对此问题,提出一种基于神经网络架构搜索与特征融合的小样本脉搏波分类方法。首先,在并行的双维度拆分卷积分支与因果空洞卷积分支中进行态射搜索,每次搜索结束,获取超网络分支的子网络作为候选网络进行训练评估。双维度拆分卷积分支提取脉搏波横、纵向维度时空特征,因果空洞卷积分支提取脉搏波节律特征。然后,利用特征融合方法整合分支多尺度特征。最后,依据评估指标得到最佳网络模型完成分类。实验结果表明,所提方法在两个小样本脉搏波数据集上准确率为97.04%和95.96%,F1值为97.04%和95.95%,具有较好分类效果。