[发明专利]异常位置的确定方法、装置、存储介质及电子设备在审

专利信息
申请号: 202010906502.6 申请日: 2020-09-01
公开(公告)号: CN112137613A 公开(公告)日: 2020-12-29
发明(设计)人: 朱宝峰;何光宇 申请(专利权)人: 沈阳东软智能医疗科技研究院有限公司
主分类号: A61B5/0452 分类号: A61B5/0452;A61B5/04
代理公司: 北京英创嘉友知识产权代理事务所(普通合伙) 11447 代理人: 魏嘉熹
地址: 110179 辽宁省沈*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 异常 位置 确定 方法 装置 存储 介质 电子设备
【权利要求书】:

1.一种异常位置的确定方法,其特征在于,所述方法包括:

基于心电数据,提取预设的检测位置对应的检测点的导联数据;

将所述导联数据进行拼接,获得与所述检测位置对应的心电导联特征数据;

根据所述心电导联特征数据和定位模型,确定所述心电数据对应的异常位置,其中,所述定位模型中包括与每一所述检测位置一一对应的定位子模型,每一所述定位子模型用于根据与所述检测位置对应的心电导联特征数据确定所述检测位置是否异常。

2.根据权利要求1所述的方法,其特征在于,所述定位子模型包括双重注意力网络模块;

其中,所述双重注意力网络模块包括位置注意力部分和通道注意力部分,所述位置注意力部分用于对所述心电导联特征数据的位置特征进行增强,以获得第一目标特征数据,所述通道注意力部分用于对所述心电导联特征数据的通道特征进行增强,以获得第二目标特征数据;所述定位子模型用于根据所述第一目标特征数据和所述第二目标特征数据进行特征融合后所得的融合特征数据确定所述检测位置是否异常。

3.根据权利要求2所述的方法,其特征在于,所述通道注意力部分对应的通道特征的维度与所述心电导联特征数据的通道的数量相同。

4.根据权利要求2所述的方法,其特征在于,所述定位子模型还包括残差网络子模型,其中,所述残差网络子模型的输出与所述双重注意力网络模块的输入耦合;

所述根据所述心电导联特征数据和定位模型,确定所述心电数据对应的异常位置,包括:

将所述心电导联特征数据输入与所述检测位置对应的残差网络子模型,获得目标特征数据;

将所述目标特征数据输入与所述检测位置对应的双重注意力网络模块,获得所述定位子模型输出的分类结果,其中所述分类结果用于指示所述检测位置是否异常;

根据每一所述定位子模型输出的分类结果,将分类结果指示异常的检测位置确定为所述心电数据对应的异常位置。

5.根据权利要求1所述的方法,其特征在于,所述基于心电数据,提取预设的检测位置对应的检测点的导联数据,包括:

对接收到的心电数据进行高斯滤波,获得去噪心电数据;

根据所述去噪心电数据,提取预设的检测位置对应的检测点的导联数据。

6.一种异常位置的确定装置,其特征在于,所述装置包括:

提取模块,用于基于心电数据,提取预设的检测位置对应的检测点的导联数据;

拼接模块,用于将所述导联数据进行拼接,获得与所述检测位置对应的心电导联特征数据;

确定模块,用于根据所述心电导联特征数据和定位模型,确定所述心电数据对应的异常位置,其中,所述定位模型中包括与每一所述检测位置一一对应的定位子模型,每一所述定位子模型用于根据与所述检测位置对应的心电导联特征数据确定所述检测位置是否异常。

7.根据权利要求6所述的装置,其特征在于,所述定位子模型包括双重注意力网络模块;

其中,所述双重注意力网络模块包括位置注意力部分和通道注意力部分,所述位置注意力部分用于对所述心电导联特征数据的位置特征进行增强,以获得第一目标特征数据,所述通道注意力部分用于对所述心电导联特征数据的通道特征进行增强,以获得第二目标特征数据;所述定位子模型用于根据所述第一目标特征数据和所述第二目标特征数据进行特征融合后所得的融合特征数据确定所述检测位置是否异常。

8.根据权利要求7所述的装置,其特征在于,所述通道注意力部分对应的通道特征的维度与所述心电导联特征数据的通道的数量相同。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-5中任一项所述方法的步骤。

10.一种电子设备,其特征在于,包括:

存储器,其上存储有计算机程序;

处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-5中任一项所述方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于沈阳东软智能医疗科技研究院有限公司,未经沈阳东软智能医疗科技研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010906502.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top