[发明专利]基于CNN和LSTM的心内异常激动点定位模型构建方法在审
| 申请号： | 201910721820.2 | 申请日： | 2019-08-06 |
| 公开（公告）号： | CN110555388A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 刘华锋;冯秋鹏 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06K9/40;G06K9/46;G06N3/04;G06N3/08 |
| 代理公司： | 33224 杭州天勤知识产权代理有限公司 | 代理人： | 王琛 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于CNN和LSTM的心内异常激动点定位模型构建方法，该模型能够在得到病人的12导联体表电位数据的情况下，很好地定位到VT异常激动点的具体位置，并得到位置的三维坐标。本发明将深度学习的思想引入室性心动过速异常激动点定位中，在训练阶段将采集到的QRS数据作为输入，QRS数据对应标测点的三维坐标作为标签训练CNN‑LSTM网络，利用了Conv1D对输入数据进行特征提取，利用LSTM进行时间域上的特征融合，利用全连接层进行三维坐标的回归预测，最终构建成为CNN‑LSTM网络；本发明网络模型从数据驱动的角度实现了VT异常激动点的位置预测，有效地解决了临床上导管消融术的费时费力问题。 | ||
| 搜索关键词： | 三维坐标 点定位 室性心动过速 标签训练 电位数据 模型构建 数据对应 数据驱动 特征融合 特征提取 网络模型 位置预测 训练阶段 连接层 上导管 时间域 消融术 有效地 测点 构建 联体 费力 网络 采集 引入 回归 预测 学习 | ||
【主权项】：
1.一种基于CNN和LSTM的心内异常激动点定位模型构建方法，包括如下步骤：/n(1)利用起博标测工具采集不同VT病人身上不同标测点的12导联体表心电数据，并记录每组12导联体表心电数据所对应标测点的三维坐标；/n(2)对所述12导联体表心电数据进行预处理并标记QRS间期；/n(3)对于任一组12导联体表心电数据，通过对其中的QRS波群进行筛选及拼接以得到多个特征样本；/n(4)搭建基于CNN和LSTM的网络模型，以特征样本及其对应的标测点三维坐标分别作为模型输入及模型输出的真值标签，从而对该网络模型进行训练，得到用于确定心内异常激动点位置的定位模型。/n
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浙江大学，未经浙江大学许可，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/201910721820.2/，转载请声明来源钻瓜专利网。
