[发明专利]一种室性早搏识别方法、识别系统及电子设备有效
| 申请号： | 201810758823.9 | 申请日： | 2018-07-11 |
| 公开（公告）号： | CN108903935B | 公开（公告）日： | 2021-06-25 |
| 发明（设计）人： | 刘成良;王浩任;张飞;刘金磊 | 申请（专利权）人： | 上海夏先机电科技发展有限公司 |
| 主分类号： | A61B5/364 | 分类号： | A61B5/364;A61B5/346 |
| 代理公司： | 北京中政联科专利代理事务所(普通合伙) 11489 | 代理人： | 李春玲 |
| 地址： | 201499 上海市金山*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及便携式医疗设备技术领域，特别涉及一种室性早搏识别方法、识别系统及电子设备；本申请通过获取可穿戴设备采集短时间的心电信号，进行室性早搏的判断，并综合了RR间期判断，R后的能量值判断，以及QRS波形判断方法，改善了RR间期判断的不稳定性，提高了判断准确性，并根据判断结果，统计室性早搏的个数，进而确定患病程度，另外，能够与可穿戴设备进行很好地配合，通过可穿戴设备采集、通过识别系统或者电子设备分析，使得心电信号图的室性早搏的识别更加便捷化。 | ||
| 搜索关键词： | 一种 早搏 识别 方法 系统 电子设备 | ||
【主权项】：
1.一种室性早搏识别方法，其特征在于，所述方法包括：获取由心电信号产生的连续的心电信号图；识别所述心电信号图中的心电特征；基于所述心电特征，对所述心电信号图进行室性早搏的识别。
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上海夏先机电科技发展有限公司，未经上海夏先机电科技发展有限公司许可，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/patent/201810758823.9/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于心率变异性生物反馈训练的盆底训练装置及训练方法-202210459867.8
- 喻子眈;范璐 - 南京麦澜德医疗科技股份有限公司
- 2022-04-28 - 2022-11-01 - A61B5/364
- 本发明公开了一种基于心率变异性生物反馈训练的盆底训练装置及训练方法，本发明提供的基于心率变异性生物反馈训练的盆底训练装置包括主机控制模块、心电信号采集模块、心电信号分析模块、生物反馈电刺激模块、呼吸放松模块；将心率变异性HRV和盆底训练相关联，通过对心电信号的时域分析参数和/或频域分析参数对应训练方案，以提供给用户更加准确的盆底训练效果。该盆底训练通过生物反馈电刺激模块、呼吸放松模块、腔内电极、体表电极实现。
- 基于改进的MobileNetV3的室性早搏识别方法-202210507171.8
- 周飞燕;董军 - 广西师范大学
- 2022-05-10 - 2022-08-12 - A61B5/364
- 本发明公开一种基于改进的MobileNetV3的室性早搏识别方法，提出基于改进的MobileNetV3模型。先利用训练样本对到构建的室性早搏识别模型进行训练，再将预测样本送入到训练好的室性早搏识别模型中，实现待分类的心电图的分类。加了Skipblock的MobileNetV3网络获得的各项指标均高于没有添加Skipblock的MobileNetV3网络；MobileNetV3网络模型具有参数量少，延时低等特点，解决了腕表、手环等可穿戴设备对模型参数量和网络实时性一般要求较高，参数量多，结构比较复杂的模型不适合部署到智能移动端的问题。
- 基于改进卷积神经网络的早搏识别方法-202210507194.9
- 周飞燕;董军 - 广西师范大学
- 2022-05-10 - 2022-08-12 - A61B5/364
- 本发明公开一种基于改进卷积神经网络的早搏识别方法，提出基于改进卷积神经网络的早搏识别模型。先利用训练样本对到构建的室性早搏识别模型进行训练，再将预测样本送入到训练好的室性早搏识别模型中，实现待分类的心电图的分类。本发明从模型的深度和宽度两个方面对原始ResNet34模型进行改进，再将SimAM注意力机制融入到改进了的ResNet模型中，以此模型来提升早搏识别的准确率。
- 基于改进的ShuffleNetV2的室性早搏识别方法-202210508517.6
- 周飞燕;董军 - 广西师范大学
- 2022-05-10 - 2022-08-12 - A61B5/364
- 本发明公开一种基于改进的ShuffleNetV2的室性早搏识别方法，提出基于改进的ShuffleNetV2模型的室性早搏识别模型。先利用训练样本对到构建的室性早搏识别模型进行训练，再将预测样本送入到训练好的室性早搏识别模型中，实现待分类的心电图的分类。ECA注意力机制模块通过避免降低通道维度来学习有效的通道注意力，同时以极轻量级的方式来捕获不同通道间的交互信息。通过实验对比发现，加了ECA注意力机制模块的ShuffleNetV2模型获得的各项指标均高于没有添加注意力机制的ShuffleNetV2模型。改进的ShuffleNetV2具有精度高、速度快等优点，易于部署在腕表、手环等可穿戴设备中。
- 使用深度神经网络和基于规则的系统进行心电图诊断的系统和方法-202080069405.4
- 余隆;乔尔·秋珍·薛;戈登·伊恩·罗兰森 - 通用电气精准医疗有限责任公司
- 2020-09-17 - 2022-08-12 - A61B5/364
- 提供了使用包括基于规则的系统和一个或多个深度神经网络的混合系统自动诊断心电图(ECG)的方法和系统。在一个实施方案中，通过使用卷积神经网络将ECG数据映射到多个特征，使用决策网络将多个特征映射到初步诊断，并且使用基于规则的系统基于ECG数据和初步诊断确定诊断，可确定更准确的诊断。在另一个示例中，通过将基于规则的系统和一个或多个深度神经网络结合到混合系统中，混合系统可更容易地适应在各种环境/社区中使用，因为可使用环境/社区特定的ECG数据来训练一个或多个深度学习网络。
- 用于识别室性期前收缩的系统-202210099828.1
- Y.乔;F.瞿 - 先导者股份有限公司
- 2022-01-27 - 2022-08-05 - A61B5/364
- 提供了一种系统，该系统包括一个或多个处理器以及耦合到该一个或多个处理器的存储器。存储器存储程序指令，并且该程序指令可由该一个或多个处理器运行。当被运行时，该一个或多个处理器获得一系列心跳的心脏活动(CA)信号，并且识别来自CA信号的第一段的感兴趣特性(COI)是否超过COI限值。该一个或多个处理器还响应于CA信号的第一段超过COI限值，分析该一系列心跳的CA信号的形态，并且基于分析操作，识别该一系列心跳内的室性期前收缩(PVC)。
- 一种基于量子粒子群优化的ECG信号监测方法-202111341072.9
- 周磊 - 南京海量物联科技有限公司
- 2021-11-12 - 2022-03-01 - A61B5/364
- 本发明涉及异常心电信号智能识别技术领域，具体公开了一种基于量子粒子群优化的ECG信号监测方法，包括：采集用户的ECG信号；对ECG信号进行电磁噪声去除；对去噪预处理后的ECG信号进行心拍分割，获得多个ECG信号样本；将分割后的多个ECG信号样本分为训练集和测试集；构建初始CNN‑SVM模型，将所述训练集中的ECG信号样本输入到CNN‑SVM模型中进行训练，得到训练后的CNN‑SVM模型；将所述测试集中的ECG信号样本输入到所述训练后的心电信号检测网络CNN‑SVM模型中，以进行异常ECG信号的检测。本发明能够有效寻找到使ECG信号识别准确率最高的支持向量机参数，提高CNN‑SVM模型对异常ECG信号的识别精度。
- 用于QT校正的设备和方法-202080018457.9
- 伊利娅·波塔波夫;埃萨·雷萨嫩;卡特里娜·阿尔托-塞塔拉 - 坦佩雷大学成立
- 2020-02-18 - 2021-10-19 - A61B5/364
- 提供了一种用于QT校正的方法，该方法包括：接收ECG信号；提取多个逐拍(RR)间期；提取多个QT间期；基于多个QT间期计算QT值的范围的第一概率分布；基于多个QT间期和多个RR间期计算QT值的范围的第二概率分布；求解一个或多个点，其中，第一概率分布和第二概率分布相交，或者其中，第一概率分布与第二概率分布之间的差低于预定义的差阈值；将对应于一个或多个点的一个或多个QT值中的一个QT值指定为多个QT间期的给定QT间期的校正的QT间期。
- 一种室性早搏识别方法、识别系统及电子设备-201810758823.9
- 刘成良;王浩任;张飞;刘金磊 - 上海夏先机电科技发展有限公司
- 2018-07-11 - 2021-06-25 - A61B5/364
- 本申请涉及便携式医疗设备技术领域，特别涉及一种室性早搏识别方法、识别系统及电子设备；本申请通过获取可穿戴设备采集短时间的心电信号，进行室性早搏的判断，并综合了RR间期判断，R后的能量值判断，以及QRS波形判断方法，改善了RR间期判断的不稳定性，提高了判断准确性，并根据判断结果，统计室性早搏的个数，进而确定患病程度，另外，能够与可穿戴设备进行很好地配合，通过可穿戴设备采集、通过识别系统或者电子设备分析，使得心电信号图的室性早搏的识别更加便捷化。
- 专利分类
