一种基于潜空间多分支扩散模型的心电信号生成与分类方法

本发明公开了一种基于潜空间多分支扩散模型的心电信号生成与分类方法，属于深度学习技术领域。该方法首先对原始心电时间序列进行滤波、去基线漂移和归一化，并通过短时傅里叶变换、连续小波变换和多小波变换获得多尺度时频谱图；然后经增强互协方差注意力循环网络编码器提取多分支特征，通过投影头映射至共享潜空间并施加对齐损失，实现特征对齐融合；在共享潜空间中构建条件扩散模型，结合一维心电特征对少数类潜空间分布进行生成式建模，得到少数类潜空间样本及伪标签；最后将真实样本与生成样本组合为近似平衡训练集，训练线性分类器完成心电信号分类。本发明能够在类别不平衡场景下增强少数类表示，提升心电信号分类准确率和宏平均F1。