[发明专利]基于卷积神经网络的房颤分类方法在审
| 申请号： | 201910298192.1 | 申请日： | 2019-04-15 |
| 公开（公告）号： | CN110327039A | 公开（公告）日： | 2019-10-15 |
| 发明（设计）人： | 李智;周登仕;李健 | 申请（专利权）人： | 四川大学 |
| 主分类号： | A61B5/046 | 分类号： | A61B5/046 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610064 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明针对采集后的心电信号，采用小波变换进行预处理，去除心电信号中包含的肌电噪声、工频噪声以及基线漂移等噪声，然后将去除噪声后的心电信号转换并分割成5s时间段和10s时间段的图片，再送到卷积神经网络模型中进行训练和房颤心电信号的分类预测。本发明在房颤心电信号诊断处理过程中不需要特征提取阶段，简化系统模型同时提高识别准确率，对心脏病精准识别有着重要意义。 | ||
| 搜索关键词： | 心电信号 噪声 卷积神经网络 时间段 去除 预处理 简化系统模型 特征提取阶段 诊断处理过程 工频噪声 基线漂移 小波变换 重要意义 分类 准确率 肌电 心脏病 采集 分割 预测 转换 图片 | ||
【主权项】：
1.基于卷积神经网络的房颤分类方法，其特征是，包括以下几个步骤：步骤1：利用小波变换对心电信号预处理步骤2：将心电信号数据分割成包含多个心拍的心拍段步骤3：将分割后的心电信号转化成二维图片形式步骤4：使用深度学习框架搭建CNN模型步骤5：将训练图片数据送入到CNN模型中进行训练步骤6：利用训练好的模型对测试图片数据进行分类识别。
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四川大学，未经四川大学许可，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/patent/201910298192.1/，转载请声明来源钻瓜专利网。
- 上一篇：心电采集电路、设备、方法和系统
- 下一篇：基于云平台的睡眠分期方法及系统
