[发明专利]心内图案匹配在审

专利信息
申请号: 202011413858.2 申请日: 2020-12-04
公开(公告)号: CN112914586A 公开(公告)日: 2021-06-08
发明(设计)人: J·雅尼茨基;E·纳卡尔;M·巴-塔尔;V·鲁宾斯坦;A·本-多尔;A·特格曼 申请(专利权)人: 伯恩森斯韦伯斯特(以色列)有限责任公司
主分类号: A61B5/346 分类号: A61B5/346
代理公司: 中国专利代理(香港)有限公司 72001 代理人: 付曼;李啸
地址: 以色列*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明题为“心内图案匹配”。本发明公开了用于心内图案匹配的方法、设备和系统。从与导管的多个电极对应的多个活动信道接收针对心脏的区域的单极性图案心内(IC)肌电描记(EGM)信号。接收表示单次搏动的整个周期长度的所述IC EGM信号的感兴趣窗口(WOI)。选择感兴趣图案(POI)以包括WOI的与心律失常激动对应的一部分。生成表示所述心律失常激动的模板POI。接收后续电活动,应用权重,并且将所述后续电活动与所述模板POI进行比较。生成相关性分数并与阈值相关性分数进行比较。
搜索关键词: 图案 匹配
【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伯恩森斯韦伯斯特(以色列)有限责任公司,未经伯恩森斯韦伯斯特(以色列)有限责任公司许可,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/202011413858.2/,转载请声明来源钻瓜专利网。

同类专利
  • 一种心电信号质量评估方法及系统-202310703592.2
  • 刘强;贺忱;安翔;赵邑新 - 北京石油化工学院
  • 2023-06-14 - 2023-10-13 - A61B5/346
  • 本发明公开了一种心电信号质量评估方法及系统,该方法包括:先采集心电信号数据,并对所述心电信号数据进行预处理得到第一信号数据;将所述第一信号数据进行分割并添加标注后组成一组数据;将所述一组数据中每一个片段的信号数据提取信号特征后构建对应的特征参数向量,并将所述一组数据中所有片段的信号数据对应的特征参数向量组成特征参数矩阵;将所述特征参数矩阵分别输入到训练好的各基础模型中进行预测得到对应的基础预测结果;将各基础预测结果输入到训练好的第一模型中进行预测得到最终预测结果,并基于所述最终预测结果确定所述心电信号评估结果,能够提高心电信号质量评估的准确率,并提高心电信号质量评估的可靠性。
  • 心电数据转换为二维图像的实现方法-202310763450.5
  • 张明明;晋慧苑 - 郑州航空港经济综合实验区空港人工智能研究院
  • 2023-06-27 - 2023-10-13 - A61B5/346
  • 本发明公开了一种心电数据转换为二维图像的实现方法,将心电信号转化为二维图像,方法简单快速,并保留了足够的信息,能够更好地支持后续的自动分类任务。本发明提出的相对位置矩阵方法具有良好的性能和有效性,能够对心电信号进行准确的分类,并能够识别不同类型的心电信号。这同时也显示了该方法具有出色的性能和高度的鲁棒性,并为医学检测和临床判断提供积极支持。结果证实该方法的可靠性和有效性,为将来的心电信号分类研究提供了重要参考。
  • 一种心电图评分方法、装置、电子设备及存储介质-202310884118.4
  • 王进亮;陈力恒;王平 - 心韵恒安医疗科技(北京)有限公司
  • 2023-07-18 - 2023-10-10 - A61B5/346
  • 本发明公开了一种心电图评分方法、装置、电子设备及存储介质,其中,方法包括:获取目标心电图数据;对所述目标心电图数据进行预处理,得到预处理数据集;对所述预处理数据集进行评分标记处理,得到标记数据集;根据所述标记数据集对构建好的心电图评分模型进行训练处理,得到训练好的心电图评分模型;所述心电图评分模型包括CNN特征提取器和Transformer神经网络;获取待计算心电图数据,将所述待计算心电图数据输入所述心电图评分模型进行心电图评分处理,得到评分结果。本发明实施例通过构建心电图评分模型提高了心电图健康评分的准确性和鲁棒性,能够应用于心电信号处理技术领域。
  • 基于级联奇异谱分析的心电信号抑制基线漂移方法和系统-202310750598.5
  • 邝伟潮;杨平;王善进;任金宝;张瑞洲 - 东莞理工学院
  • 2023-06-21 - 2023-10-10 - A61B5/346
  • 本发明涉及一种基于级联奇异谱分析的心电信号抑制基线漂移方法和系统,其中方法包括:获取受基线漂移干扰的心电信号数据,设置层数i=1;利用窗口长度为2的奇异谱分析法SSA从受基线漂移干扰的心电信号数据中提取出基线漂移噪声ni与心电信号分量oi,其中心电信号ECGi通过公式#imgabs0#获得;计算基线漂移噪声ni与心电信号ECGi的内积IPi;判断内积是否达到极小值,若内积达到极小值,则输出当前层的心电信号ECGi,作为最终的抑制基线漂移的结果,否则,将所述基线漂移噪声ni作为受基线漂移干扰的心电信号数据和将层数i的值设置为增加1,重复执行上述的提取和计算操作,直到内积达到极小值,输出当前层的心电信号ECGi
  • 心电信号的处理方法及相关装置-202310905254.7
  • 陈锦 - 苏州维伟思医疗科技有限公司
  • 2023-07-21 - 2023-10-03 - A61B5/346
  • 本申请涉及一种心电信号的处理方法、装置、除颤装置、除颤设备和计算机可读存储介质,通过获取目标对象的心电信号、第一状态信号和第二状态信号,对多个导联信号进行综合分析,确定心电信号为目标心电信号的预测值,当预测值大于或等于预设的信号阈值时,根据第一状态信号和第二状态信号确定目标心电信号中是否存在运动干扰,当确定目标心电信号中存在运动干扰时,确定目标心电信号为干扰心电信号。由于本实施例是根据多个导致信号、第一状态信号和第二状态信号进行综合分析,以确定目标对象的心电信号中是否存在运动干扰,从而可以提高对异常心电信号的识别准确率,减少漏识别或误识别的风险。
  • 融合深度和医学特征的基于序列标注的多导联心电信号分类方法-202110999625.3
  • 杨新武;窦梦菲;李彤 - 北京工业大学
  • 2021-08-29 - 2023-10-03 - A61B5/346
  • 本发明公开了一种基于序列标注并融合各导联的深度特征与医学特征的心电信号分类方法。该方法借鉴文本序列标注思想,首先提取每个导联上的深度时域特征和传统医学特征,将两个特征进行融合,然后使用Seq2Seq对12个导联进行类别标注,在模型预测时对12个导联的类别标注进行投票。同时在解码时加入和编码器之间的注意力机制,为了在解码时每个导联的类别更加改导联的编码信息,使解码结果更加正确。本方法是一种端到端的心电信号分类方式,利用了深度学习特征和医学特征,有效提升了多导联心电信号分类的准确率。
  • 一种心电信号处理方法、系统、装置及存储介质-202310628018.5
  • 金欢欢;刘健;付洪兵;吴应平;肖晓 - 深圳市奋达智能技术有限公司
  • 2023-05-31 - 2023-10-03 - A61B5/346
  • 本申请公开了一种心电信号处理方法、系统、装置及存储介质,心电信号处理方法通过将心电信号的原始数据划分为若干个信号段,提升了心电信号处理的实时性;通过构建多项式拟合模型,将心电信号原始数据的基线消除问题转化为求解趋势信号与信号段的长度之间的一元多次方程问题;通过根据多项式拟合模型构建第一矩阵和第二矩阵,并通过最小化目标函数基于QR分解求解得到一元多次方程的值,即趋势信号,从而在信号段的基础上去除趋势信号,实现了在不影响心电信号本身低频信号的基础上的基线消除,避免了ECG形态因心电信号处理发生变化,提升了ECG显示的准确性。同时QR分解算法具有较高的计算效率和稳定性,提升了心电信号处理的效率。
  • 应用于实时心电监测设备的心肌梗死全局导联重建方法-202310888672.X
  • 王量弘;季天芸;谢锦成;许林培;杨涛;谢朝鑫;邹玉熠 - 福州大学
  • 2023-07-19 - 2023-09-29 - A61B5/346
  • 本发明提出应用于实时心电监测设备的心肌梗死全局导联重建方法,包括以下步骤:步骤S1:对心肌梗死心电信号数据集和健康对照心电信号数据集进行数据预处理;步骤S2:进行各导联主成分分析,绘制方差贡献率图,实现最高贡献度导联决策,确定重建导联组;步骤S3:滤除导联组原始数据的冗余信息,对数据进行非线性卷积预分类处理,提高导联重建算法效果;步骤S4:对导联重建算法拟合导联之间的转换关系;步骤S5:以卷积神经网络作为导联重建模型框架,进行网络结构优化和参数设置;步骤S6:基于优化后的网络,分别构建全局导联重建模型,验证导联重建前后状态差异;本发明能实现便携式心电监测和临床诊断导联互通,进而提升便携式心电监护仪实用性。
  • 心电图的处理方法、装置、医疗设备及存储介质-202210263641.0
  • 范小彪;欧阳卓然;凌锋 - 深圳市理邦精密仪器股份有限公司
  • 2022-03-17 - 2023-09-29 - A61B5/346
  • 本申请提供一种心电图的处理方法、装置、医疗设备以及存储介质。其中,方法包括:根据目标心电图绘制心电散点图;根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数;将所述波形参数叠加到所述心拍上,以显示在目标心电图上。本申请中,能够准确对心电图进行心电波形分析,医生在分析动态心电图时,无需手动进行心电波形参数测量操作,缩短了医生的分析时间,因此,通过上述方法能够减轻医生的工作量。
  • 动态心电散点图的目标区域划分方法、装置、设备及介质-202210263632.1
  • 欧阳卓然;范小彪;凌锋 - 深圳市理邦精密仪器股份有限公司
  • 2022-03-17 - 2023-09-26 - A61B5/346
  • 本申请公开了一种动态心电散点图的目标区域划分方法、装置、设备及介质。该方法包括:获取动态心电数据;根据所述动态心电数据中的RR间期,获取动态心电散点图;将所述动态心电散点图输入预设神经网络模型,获得一个或多个目标区域;显示所述一个或多个目标区域。本申请提供的动态心电散点图的目标区域划分方法,能够实现动态心电散点图的目标区域的自动划分,不需要再进行人工操作划分目标区域,从而大大减轻了医务工作者的工作量,提高了工作效率,且划分结果准确率更高,减少了人工工作量,降低了人工成本,提高了工作效率。
  • 动态心电散点图的处理方法、装置、医疗设备及存储介质-202210265009.X
  • 欧阳卓然;范小彪;凌锋 - 深圳市理邦精密仪器股份有限公司
  • 2022-03-17 - 2023-09-22 - A61B5/346
  • 本申请公开了一种动态心电散点图的处理方法、装置、医疗设备及存储介质。该方法包括:对动态心电散点图进行目标区域划分,得到目标区域划分图像;所述目标区域划分图像包含有至少一个划分区域;针对每一所述划分区域,生成所述划分区域的心搏叠加图;针对每一所述划分区域,获取所述心搏叠加图的心搏差异等级划分结果;根据所述心搏差异等级划分结果进行自动分类,输出心搏分类结果。本申请的方法能够自动获得心搏分类结果,为医务工作者进行疾病判断提供参考,不需通过人工分析心搏差异程度,从而减少了医务工作者的工作量,降低了人工成本,并且处理效率高,准确率高。
  • 一种基于多元递归网络的心脏疾病识别方法-202111085080.1
  • 杨小冬;陈梅辉;何爱军;马璐;王志晓 - 中国矿业大学
  • 2021-09-16 - 2023-09-22 - A61B5/346
  • 一种基于多元递归网络的心脏疾病识别方法,适用于心电信号分析及相关疾病的检测。采集样本ECG的十二导联信号构成多元时间序列,在不同的尺度因子下对多元时间序列粗粒化生成新的多元时间序列,利用递归图和交叉递归图算法对新多元时间序列构造成多元递归网络,计算其交叉聚类系数熵,确定最佳尺度因子,在最佳尺度因子下重构多元递归网络,计算其交叉聚类系数,将一个时间序列作为一个节点,节点之间的连边权重取交叉聚类系数均值,构造权重网络,根据不同人群的相关网络参数显著差距来对心脏疾病进行检测。其步骤简单,检测效率高,且分析ECG信号的十二导联时间序列,可以有效的提高临床上心脏疾病的诊断准确性。
  • 基于时频域融合与卷积神经网络的心电信号分类方法-202310522195.5
  • 陈国荣;汪博城;邓菊丽;李卫卫;刘玉川;刘金源;肖彦冰;黄佳铭;段泓俊;杜重灵 - 重庆科技学院
  • 2023-05-10 - 2023-09-15 - A61B5/346
  • 本发明涉及信号分类技术领域,具体公开了一种基于时频域融合与卷积神经网络的心电信号分类方法,通过小波分解完成对心电信号滤波;通过每个心跳周期的R波位置对单个心跳周期进行提取;提取的心跳信号被快速傅里叶变换后获得其频域信息;时域信号与频域信号进行拼接之后输入一维卷积神经网络进行融合并提取特征;特征矩阵被输入全连接神经网络完成分类。本发明通过CNN融合单心跳周期在时域和频域两个视角的表现,综合地对心电信号进行分类,提高了对单心跳周期心电信号的分类准确率;提出了一种新颖的心跳周期定位方法,该方法可同时对正常与病变心电信号的R波波峰位置进行标定,使每个心跳周期信号都能较好地被分割,提升后续分类的准确性。
  • 基于组卷积残差网络和长短期记忆网络的房颤识别方法-202010106864.7
  • 余锭能;吕俊 - 广东工业大学
  • 2020-02-20 - 2023-09-15 - A61B5/346
  • 本发明公开了一种基于组卷积残差网络和长短期记忆网络的房颤识别方法,涉及房颤机器识别领域。本发明在基于组卷积残差网络和长短期记忆网络的网络结构上实现三个通道分别对三个不同频段的心电信号进行提取特征后再采用LSTM进行时域上的特征分析,最后将心电信号片段分类为正常、房颤、噪声较大片段和其他节拍片段,采用此网络模型可以提高在有噪声的干扰的情况下的房颤识别正确性,缩短分析时间,提高了算法的实时性,基于组卷积残差网络结构可以在不增加参数复杂度的前提下提高分类准确率,得益于残差模块中的组卷积块的拓扑结构,同时还减少了超参数的数据量。
  • 基于改进时延最大信息系数的脑肌耦合及脑网络分析方法-202310695089.7
  • 汤健鹏;王俊宏;席旭刚;汪婷;吕忠;李文臣 - 杭州电子科技大学
  • 2023-06-13 - 2023-09-12 - A61B5/346
  • 本发明公开了一种基于改进时延最大信息系数的脑肌耦合及脑网络分析方法,首先,安排受试者执行相应动作记录下同步的sEMG和EEG。通过小波去噪对sEMG完成预处理,对EEG进行带通滤波、ICA独立成分分析,对处理后的EEG和相应sEMG进行分段,提取出手部动作时的EEG和相应sEMG。接着利用BEMD方法求出EEG和相应sEMG的IMF分量,再利用TDMIC方法计算EEG和相应sEMG以及EEG和EEG的不同IMF分量的耦合值,最后对得到的结果进行统计学分析。本发明在不同的局部频带上评估试验者在受到不同波形的NMES之后短时间内的FCMC以及BFCN变化的差异性。并通过归一化显著区域来量化实验结果。这些研究将为基于NMES的脑卒中康复方法提供全新的思路,并为运动功能评价方法提供了新的角度。
  • 一种心电图数据增强方法、系统、介质、设备及终端-202310513752.7
  • 周飞燕;李佳佳 - 广西师范大学
  • 2023-05-09 - 2023-09-08 - A61B5/346
  • 本发明属于数据增强处理技术领域,公开了一种心电图数据增强方法、系统、介质、设备及终端,系统构建双向长短期记忆网络与通道‑空间注意力机制相结合的生成对抗网络的ECG数据增强方法。GAN由生成器和判别器组成,二者是相互对抗的关系。生成器模型包含两条分支,其中含有BiLSTM的分支可以更好的捕捉到时序序列的依赖关系,从而保留疾病的关键特征;另一条含有CBAM的分支则是对输入的特征图进行自适应特征细化;最后将两条分支的输出进行融合,经过一层反卷积层将序列重塑为长度为300x1的一维序列。判别器模型采用DCGAN的思想,由三层Conv1D层、一层Dropout层、一层Flatten层和一层Dense构成。生成器和判别器通过对抗学习,最终生成逼真的ECG心拍数据,从而实现心电图数据增强。
  • 一种无线传输的分体式心电监护系统-202310849996.2
  • 曹婷;李玥;潘媛媛;张莉;吴海燕;关华;李媛媛 - 四川省医学科学院·四川省人民医院
  • 2023-07-12 - 2023-09-08 - A61B5/346
  • 本发明请求保护一种无线传输的分体式心电监护系统,属于智慧医疗领域,心电信号采集装置由被监护人员佩戴,根据被监护人员的人员情况获取被监护人员的心电信号原始数据;通过通信装置发送到心电信号提取装置中,对心电信号原始数据进行电位和波形提取,得到心电信号监测数据;之后发送到心电信号判断装置,依据预设的心电信号异常状态表判断是否存在异常,得到心电信号异常判定结果;将心电信号异常判定结果发送至心电信号预警装置,心电信号预警装置根据心电信号异常判定结果发出预警结果。本发明可以根据人员的个人情况选择合适的心电监护策略,向用户提供自适应性的监护方案,最大化提升医院工作效率的同时保障监护人员的监护安全。
  • 基于脉冲神经网络的长时程心电分类方法及系统-202310830798.1
  • 李亚;孙紫琦 - 广东技术师范大学
  • 2023-07-07 - 2023-09-01 - A61B5/346
  • 本发明公开了一种基于脉冲神经网络的长时程心电分类方法及系统,可本地部署于可穿戴设备。首先对长时程心电数据进行经验模态分解,利用低阶本征模函数生成图片,之后输入到一个脉冲神经网络,并用替代梯度方法直接训练,训练好的模型可本地部署于可穿戴设备进行心律失常分类。本方法相对于现存的神经网络方法功耗大幅降低,因此可以在可穿戴设备本地部署;相对于其他脉冲神经网络方法,可以在更低的延迟下达到可观的准确率。
  • 一种心电信号分类设备和方法-202010400991.8
  • 叶志刚;刘畅;刘建斌;顾煜 - 深圳市科瑞康实业有限公司
  • 2020-05-12 - 2023-09-01 - A61B5/346
  • 本发明实施例涉及一种心电信号分类设备和方法,所述心电信号分类设备包括:ECG信号处理模块、心搏间期数据处理模块、心搏间期差值数据处理模块、分类系数处理模块、分类处理模块和配置参数模块。本发明提供一种心电信号分类设备和方法,对心搏间期数据按多种差分计算模式进行降噪提高了数据准确度,再根据多种降低误差干扰的系数计算模式计算分类系数提高了心电信号分类精度。
  • 一种适用于可穿戴设备的ECG信号检测电路-202110820666.1
  • 曾衍瀚;陈伟坚;李志贤;周威;林奕涵;吴添贤;侯明江 - 广州大学
  • 2021-07-20 - 2023-08-29 - A61B5/346
  • 本发明公开了适用于可穿戴设备的ECG信号检测电路,包括仪表放大模块、微分电路模块、低通滤波模块和心率检测模块,仪表放大模块依次通过微分电路模块和低通滤波模块与微分电路模块连接,仪表放大模块包括跨导自举电路、放大电路和频率补偿电路,心率检测模块包括第一锁相环、第二锁相环和有限状态机。本发明能够提高ECG信号的信噪比,能够将原始ECG信号转换成为高幅值且特征明显的双峰信号,判断心率信号有效性,能够抑制基线漂移的影响,降低误判的可能性,获得更准确的检测结果,容易通过常见的元件组成,并且规模不大,因此容易制作成低成本的集成电路,并封装在一块芯片中,方便于低成本大规模生产。本发明广泛应用于电路技术领域。
  • 一种ECG感知信号编码方法及系统-202310640486.4
  • 房毅宪;王灿伟;房晓南;房玉志;李颖 - 山东管理学院
  • 2023-05-30 - 2023-08-25 - A61B5/346
  • 本发明公开了一种ECG感知信号编码方法及系统,该方法包括:对多个无标签ECG信号进行分割,得到多个样本信号;选取正常的样本信号为参照信号,对每个样本信号与参照信号进行差值计算,将差值计算结果与预设阈值进行比较,得到每个样本信号的感知表征;根据感知表征类型的不同,维持正常感知表征所对应的原始样本信号,将异常感知表征反馈到对应的原始样本信号上,得到每个样本信号的ECG感知信号;将其输入到自编码器网络中,输出编码后的ECG感知信号。本发明在无监督的情况下,以正常ECG信号为参考信号,放大具有异常感知的信号与参考信号之间的差异性,有利于后续智能算法的特征抓取,为实现心电信号类别的精准识别奠定基础。
  • 基于多分支块全注意网络的心电数据分类方法及装置-202310559376.5
  • 司玉娟;武俊杰;张阳;易攀;乔菱 - 吉林大学;珠海科技学院
  • 2023-05-17 - 2023-08-25 - A61B5/346
  • 本发明提出了一种基于多分支块全注意网络的心电数据分类方法及装置,该方法包括:获取目标心电数据;将获取的目标心电数据输入预先配置的多分支块全注意网络模型,目标心电数据为多导联心电数据,其中模型包括特征提取模块和全注意力块,特征提取模块包括多个多分支块和短接块;通过特征提取模块对目标心电数据进行特征提取得到第一数据;将第一数据输入到全注意力模块提取空间特征和通道特征;根据空间特征和通道特征从预设的可选分类中确定目标心电数据所对应的目标分类结果。将特征提取模块提取的特征输入到全注意力块里,提取空间维度的特征和通道维度的特征进行分类,融合多个数据通道特征和空间特征,提高了对心电数据分类的准确性。
  • 一种心电图分类方法、系统、介质、设备及终端-202310513827.1
  • 周飞燕;王剑男 - 广西师范大学
  • 2023-05-09 - 2023-08-22 - A61B5/346
  • 本发明属于计算机辅助ECG分析技术领域,公开了一种心电图分类方法、系统、介质、设备及终端,对原始ECG数据进行预处理;使用卷积神经网络模型分析心电信号的形态特征,通过短时傅里叶变换提取心电信号的时频特征,使用Transformer模型分析心电信号的时间序列特征;使用融合器融合分类结果,得到最终的心电图分类结果。本发明充分考虑卷积神经网络和Transformer的优势,使用融合模块将两种分类器的分类结果进行融合,从而获得比较好的心电图五分类结果;不同卷积核的多通道神经网络模型提供了不同的感受野以充分学习心电图形态特征;短时傅里叶变换使模型可以学习心电图的形态和时频信息,提升整体分类性能。
  • 多图像融合心电图五分类方法、系统、介质、设备及终端-202310513862.3
  • 周飞燕;方端澍 - 广西师范大学
  • 2023-05-09 - 2023-08-22 - A61B5/346
  • 本发明属于ECG数据分类技术领域,公开了一种多图像融合心电图五分类方法、系统、介质、设备及终端,采用小波变换对原始ECG信号进行预处理,再根据标注的R波将ECG记录分割为心拍集;将分割得到的心拍集划分为训练集、验证集和测试集,最后将心拍数据集输入至深度学习模型中进行心拍分类。本发明的多图像融合心电图五分类方法将MIT‑BIH数据集中的数据转换为三通道的图像,相较于一维离散信息,二维图像所包含的信息量更丰富;利用残差结构的优势和心电图的特点,将通道注意力机制引入心拍分类,自适应解决了不同通道信号之间相互依赖的关系,提升分类结果;模型引用(FCA)增强了卷积神经网络(CNN)对心拍分类的效果。
  • 一种融合多导联注意力机制的ResNeXt网络分类方法-202110999643.1
  • 杨新武;窦梦菲;李彤 - 北京工业大学
  • 2021-08-29 - 2023-08-18 - A61B5/346
  • 本发明公开了一种融合多导联注意力机制的ResNeXt网络分类方法,本发明首先利用傅里叶变换将原始时域信号转变为对应的频谱图像,然后采用MARX‑Net网络对二维频谱图进行图像分类以实现心律失常的类别识别,同时本方法在网络结构中融入了多导联注意力模块,增加了关注相关导联信息的权重,抑制了无关导联信息的权重,进而提高了心电信号分类的准确率。同时引入了PreAct方法改变神经网络激活层位置,改善了残差网络的性能。本发明是一种端到端的心电分类方法。降低了解决问题的繁琐复杂过程,有效地提高了心电信号分类准确率。
  • 一种基于弱监督学习的心电信号检测和定位方法-202310437586.7
  • 舒明雷;李开伟;王英龙;李金宝;高天雷 - 山东省人工智能研究院;齐鲁工业大学(山东省科学院)
  • 2023-04-23 - 2023-08-15 - A61B5/346
  • 一种基于弱监督学习的心电信号检测和定位方法,深度学习模型主要包含了三个部分:多尺度特征信息提取、自注意力编码模块以及分类和定位部分。通过将提取的原始心电信号降噪和分段处理得到固定长度的纯净心电信号段,适用于我们的网络模型的输入要求。在卷积连接的多尺度信息提取模块中引入CLA层和使用PReLU激活函数来获得更好的局部信息提取能力,引入自注意力编码模块建立局部特征与全局特征之间的联系,增强对重要特征的识别能力。引入分类和定位模块来输出异常信号的大体位置来提高类别分类的可解释性,融合模块使得模型能将局部的预测值映射为全局的预测值,在弱标注的数据集上训练模型参数,能大大降低了技术实现的成本。
  • 心电图异常监测方法、装置、设备和存储介质-202310881402.6
  • 刘张代红;大卫·克利夫顿;朱婷婷;卢磊;张元亭 - 牛津大学(苏州)科技有限公司
  • 2023-07-18 - 2023-08-15 - A61B5/346
  • 本申请涉及一种心电图异常监测方法、装置、计算机设备和存储介质。方法包括:获取用户的光电容积脉搏波数据;将光电容积脉搏波数据输入预先训练好的心电图异常监测模型中,得到心电图异常监测模型的输出值;其中,心电图异常监测模型是利用包括光电容积脉搏波数据以及标记光电容积脉搏波数据对应的心电图数据是否异常的标签的数据对的训练数据集训练得到的,其用于基于输入的光电容积脉搏波数据,输出指示所输入的光电容积脉搏波数据对应的心电图数据是否估计存在异常的输出值;当心电图异常监测模型的输出值指示用户的心电图数据估计存在异常时,使与用户相关联的用户设备发出警报。本方法能够方便地对心电图可能存在异常的情况进行持续监测。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top