[发明专利]基于AlexNet和迁移学习相结合的心电图异常识别方法及系统有效
| 申请号： | 202010944862.5 | 申请日： | 2020-09-10 |
| 公开（公告）号： | CN112006678B | 公开（公告）日： | 2022-08-30 |
| 发明（设计）人： | 董爱美;周晶 | 申请（专利权）人： | 齐鲁工业大学 |
| 主分类号： | A61B5/349 | 分类号： | A61B5/349;A61B5/366 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 孙园园 |
| 地址： | 250353 山东*** | 国省代码： | 山东;37 |
| 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AlexNet和迁移学习相结合的心电图异常识别方法及系统，属于特征提取分类预测技术领域，本发明要解决的技术问题为如何结合AlexNet深度卷积神经网络和迁移学习准确高效的完成心电图异常识别，既能摆脱对样本数据容量的依赖，又能自动学习数据样本的特征，技术方案为：该方法具体如下：预处理：将数据集中的每条心电图信号转换成心电图图像，并对异常类型的心电图进行不同方位的裁剪；特征提取：把数据增强后的图像放入预训练的模型中进行训练，预训练后的心电图图像作为AlexNet模型的输入，自动提取特征，并利用ImageNet数据集预训练的AlexNet模型进行迁移学习；分类预测：把预训练的AlexNet深度卷积神经网络模型得到的高特征放入支持向量机中进行心电图分类。 | ||
| 搜索关键词： | 基于 alexnet 迁移 学习 相结合 心电图 异常 识别 方法 系统 | ||
【主权项】：
暂无信息
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齐鲁工业大学，未经齐鲁工业大学许可，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/202010944862.5/，转载请声明来源钻瓜专利网。
- 上一篇：耐磨防滑陶瓷砖的制备方法
- 下一篇：道路交通标线耐久性测试装置
