“鲁薏”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果2个，建议您升级VIP下载更多相关专利

[发明专利]基于金字塔型卷积层的心电信号深度神经网络建模方法-CN202010072764.7有效
发明人：蒋明峰;鲁薏;李杨;汪亚明;杨晓城 -专利权人：浙江理工大学
申请日： 2020-01-21 - 公布日： 2023-05-09 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了基于金字塔型卷积层的心电信号深度神经网络建模方法。搭建更优的深度卷积神经网络模型很有必要。本发明具体步骤如下：将传入的心电信号分别输入到不同卷积核的卷积层中，使得整个输入信号的每个感受野都通过不同的卷积核重复作用；接着，将多个卷积分支形成的特征图输出进行级联，并经过一个卷积核为1的卷积层以得到得到最终的心电信号特征图；心电信号特征图在m个残差块中逐个依次传输后通过一个全连接层分类。本发明能够在自动提取心电信号特征的同时，保留住多尺度的心电信号细节信息，呈现出含有更丰富特征的特征图，有效提高了心律失常识别和分类的准确性。
基于金字塔卷积电信号深度神经网络建模方法

[发明专利]基于深度可分离卷积和改进损失函数的心律失常分类方法-CN202110547987.9在审
发明人：蒋明峰;鲁薏;李杨;韦理英;杨晓城 -专利权人：浙江理工大学
申请日： 2021-05-19 - 公布日： 2021-08-24 - 主分类号： A61B5/318 文献下载
摘要：本发明公开了基于深度可分离卷积和改进损失函数的心律失常分类方法，步骤如下：将传入的一维心电信号进行预处理，将每个心电信号绘制成单独的二维灰度图像；接着将该二维心电图像输入到构建的深度可分离卷积层中，该卷积层在帮助网络减少参数的同时使得模型更加集中于信号的信息和重要部分；将得到的心电信号特征图通过深度可分离卷积层、池化层等重复作用，以得到最终的心电信号特征图，最终输入到一个全连接层进行分类，使用损失函数对心电信号进行损失分配。本发明能在自动提取心电信号特征的同时，减少卷积层参数，并且在一定程度上保留更多的心电信号细节信息，呈现出含有更丰富特征的特征图，提高了数据不平衡的心律失常分类的准确性。
基于深度可分离卷积改进损失函数心律失常分类方法