[发明专利]基于对比预测编码的ECG数据特征生成模型有效
申请号: | 202110978438.7 | 申请日: | 2021-08-25 |
公开(公告)号: | CN113679393B | 公开(公告)日: | 2023-05-26 |
发明(设计)人: | 孙乐;任超旭 | 申请(专利权)人: | 南京信息工程大学 |
主分类号: | A61B5/349 | 分类号: | A61B5/349;A61B5/35;A61B5/364;G06F18/214;G06F18/24;G06N3/048;G06N3/084 |
代理公司: | 南京钟山专利代理有限公司 32252 | 代理人: | 戴朝荣 |
地址: | 210044 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 对比 预测 编码 ecg 数据 特征 生成 模型 | ||
本发明公开了一种基于对比预测编码的ECG数据特征生成模型,包括如下步骤:首先将划分ECG训练数据,横向看是正样本对与负样本对,正样本对是相同类别的数据,负样本对是不同类别的数据,纵向看是训练数据与待训练数据,然后通过编码器将训练数据与待训练数据都进行编码,接着把训练数据经过编码得到的结果放入自回归模型得到上下文信息Context,Context进入预测模型后得到未来多步的预测值,最后将预测值与待训练数据经过编码后的值一起计算点积得到损失值。本发明可以扩展样本数量不足的数据,提高下游任务的泛化能力。
技术领域
本发明属于计算机软件技术领域,具体涉及一种基于对比预测编码的ECG数据特征生成模型。
背景技术
对比预测编码是自监督学习的一种,自监督学习目前主要的方法分为三类,分别是基于上下文、基于时序、基于对比。基于对比的自监督学习通过学习对两个事物的相似或不相似进行编码来构建表征,这类方法的性能是非常强的。自监督学习算法不再依赖标注,而是通过揭示数据各部分之间的关系,从数据中生成标签。而且在当前的深度学习应用中,数据的问题无处不在,ECG作为医疗数据的一种,存在着样本分布不平衡,无标签等诸多问题,而采用人工标注的方式耗时耗力,人们迫切的需要通过自监督的方式,在没有数据标注的情况下,学习丰富的特征表示。
心电图(electrocardiogram,简称ECG)对各种心律失常和传导阻滞的诊断分析具有良好效果,有助诊断、对冠心病的诊断具有重大意义。心电图主要反映心脏激动的电学活动,心肌受损、供血不足、药物和电解质紊乱都可能引起一定的心电图变化,特征性的心电图改变时诊断心肌梗死的可靠方法。现如今各种针对ECG数据分类的模型都面临一个问题,ECG数据中样本分布极不均衡,正常样本与心率不齐样本比例严重失衡,监督学习网络得不到足够的数据进行训练,模型性能不能保证。通过对比预测编码可以生成与ECG数据原类别一致的高维特征,相当于扩展了样本的数量,同时通过打分函数使得相同样本之间得分更高,不同样本之间的得分更低,进一步区分样本类别,可用于下游任务,比如分类任务,可极大防止模型过拟合,提高下游训练模型的收敛速度以及提高模型的分类准确率。
发明内容
本发明针对现有技术中的不足,提供一种基于对比预测编码的ECG数据特征生成模型,引入自监督学习模型对比预测编码来预测出与原ECG数据相同类别的高维特征,在增大样本集的同时,减少人工标注成本,同时配合下游分类任务进行分类,也便于其它分类模型减少过拟合提高分类准确率。
为实现上述目的,本发明采用以下技术方案:
基于对比预测编码的ECG数据特征生成模型,包括如下步骤:
s1、采用数据集并进行预处理;
s2、划分ECG训练数据,划分为正样本对与负样本对,正样本对是相同类别的数据,负样本对是不同类别的数据;正样本对与负样本对中又分别划分出训练数据与待训练数据;
s3、搭建对比预测编码CPC模型,输入为训练数据与待训练数据;
通过编码器将训练数据与待训练数据都进行编码,接着把训练数据经过编码得到的结果放入自回归模型得到上下文信息Context,Context进入预测模型后得到未来多步的预测值;
s4、将预测值与待训练数据经过编码后的值一起计算点积得到损失值;
s5、训练对比预测编码CPC模型;
S6、将训练好的CPC模型运用到下游的分类任务中。
为优化上述技术方案,采取的具体措施还包括:
进一步地,s1中的对数据集预处理过程包括:
s11、采用数据集自身标注的R峰位置采集心拍;
s12、将心拍重采样;
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南京信息工程大学,未经南京信息工程大学许可,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/pat/books/202110978438.7/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种隔热轻质混凝土及其制备方法
- 下一篇:光伏储能系统的出力平滑系统及方法
- 同类专利
- 一种基于动态心电图的异常判断方法、装置和电子设备-202311041028.5
- 曹青 - 上海交通大学医学院附属瑞金医院
- 2023-08-17 - 2023-10-24 - A61B5/349
- 本申请提供了一种基于动态心电图的异常判断方法、装置和电子设备,涉及信息处理技术领域,通过采集用户的动态心电信号,所述动态心电信号包括多个导联的原始心电信号;通过心电信号预处理模型对每个所述原始心电信号进行去噪,得到去噪后的心电信号;通过心电信号分割模型分别对所述去噪后的心电信号中的波群进行标记,提高预测的准确率,按照预设比对条件对所述被标记的波群进行判断,得到异常检测结果。
- 一种健康状况应急检测方法及系统-202310732024.5
- 闫新;余国成;杜飞 - 深圳市普天宜通技术股份有限公司
- 2023-06-19 - 2023-10-24 - A61B5/349
- 本发明公开了一种健康状况应急检测方法及系统,所述方法包括:获取用户的心电数据、血氧数据以及血压数据,所述血氧数据包括血氧饱和度和脉率,所述血压数据包括收缩压和舒张压;对所述心电数据、所述血氧数据以及所述血压数据进行数据分析,确定异常心电数据、异常血氧数据以及异常血压数据;根据所述异常心电数据、所述异常血氧数据以及所述异常血压数据生成检测报告。本发明通过应急站对用户进行心电数据、血氧数据以及血压数据采集并分析,确定用户心电、血氧以及血压是否异常,并提取出其中的异常数据,进一步根据异常数据生成检测报告,用户可以便捷的获取到自身的健康状况报告,便于根据自身的异常数据采取必要的健康护理方案。
- 基于小波变换的心电特征提取方法、系统、装置及介质-202010730424.9
- 李桂香;许为康;谭仲威;徐飞;陈军;黄德群;唐元梁;赵琛;吴凯 - 广东省医疗器械研究所
- 2020-07-27 - 2023-09-22 - A61B5/349
- 本发明公开了基于小波变换的心电特征提取方法、系统、装置及介质,方法包括:对采集到的心电数据进行小波滤波处理,确定小波基函数;根据小波基函数和心电数据,确定R波位置值的波形图;通过设定阈值提取R波;根据小波基函数对波形图中的Q波能量和S波能量进行加强;以R波位置为基点,通过设定的第一有限区域窗来提取Q波和S波;根据小波基函数对波形图中的P波能量和T波能量进行加强;以Q波位置为基点,通过设定的第二有限区域窗来提取P波;以及以S波位置为基点,通过设定的第三有限区域窗来提取T波。本发明能够准确提取心电数据中的关键特征,降低特征波的误检率和漏检率,可广泛应用于心电数据处理技术领域。
- 使用声音对身体部位成像-201980006524.2
- 乔纳森·B·舒特;普拉莫德辛格·H·塔库尔;米彬;布莱恩·A·克拉克;安琪;拉姆什·瓦里亚;克日什托夫·Z·西尔耶科 - 心脏起搏器股份公司
- 2019-01-03 - 2023-09-19 - A61B5/349
- 本公开的实施例涉及使用声音对身体部位成像。在实施例中,系统包括运动传感器和被通信地耦合到该运动传感器的处理设备。运动传感器被配置为感测由源发出的声音产生的加速度波并且响应于感测到加速度波而生成加速度测量结果,其中源与受试者的身体部位相关联。处理设备被配置为接收加速度测量结果并且使用运动传感器的位置和加速度测量结果确定源的位置。此外,处理设备被配置为使用确定出的源的位置和加速度测量结果对受试者的身体部位成像。
- 心电数据分析方法、装置、计算机设备与存储介质-202311013655.8
- 李小钦;黄庆玺;黄庆红;左能;方红 - 毕胜普生物科技有限公司
- 2023-08-14 - 2023-09-12 - A61B5/349
- 本申请涉及一种心电数据分析方法、装置、计算机设备和存储介质。该方法包括:获取在第一阶段对应于目标心电检测采集的当前心电数据;当前心电数据至少包括当前静息心电信号;按照目标心电检测对当前心电数据中QRS波群的高频成分进行分析得到当前整体风险评估分数;对当前静息心电信号进行分析得到自律神经支配评估分数与心功能评估分数;获取受测者在第二阶段对应的历史整体风险评估分数;历史整体风险评估分数由目标心电检测对应的历史心电数据确定;根据当前整体风险评估分数、历史整体风险评估分数、自律神经支配评估分数与心功能评估分数确定康复指导参考指标;康复指导参考指标包括整体风险变化指标与目标风险评估等级。
- 一种基于PQRST波位置识别的RonT信号检测方法-202111291032.8
- 苏腾;吴军;鞠海涛;樊昭磊;张伯政;张宁宁;林菲 - 众阳健康科技集团有限公司
- 2021-11-01 - 2023-08-29 - A61B5/349
- 一种基于PQRST波位置识别的RonT信号检测方法,通过使用一种基于PQRST波位置识别的RonT信号检测方法,进一步挖掘出RonT波形的特征,利用一种基于PQRST波位置识别的RonT信号检测方法,可以有效检测出包含RonT波的心电波形数据,使用F1值,可以定量分析检测RonT的识别效果,对RonT识别研究有促进作用。缓解RonT波的检测尚缺乏医学上的金标准且检测准确性不高的问题。
- 基于连续心搏活动序列特征-SVM模型的心搏分类方法-202010445891.7
- 李润川;申圣亚;张宏坡;陈刚;王宗敏 - 郑州大学
- 2020-05-22 - 2023-08-22 - A61B5/349
- 本发明涉及一种基于连续心搏活动序列特征‑SVM模型的心搏分类方法,包括以下步骤:S1、采用连续小波变化去除心电信号中的噪声;S2、对经过步骤S1处理后的心电信号进行分割截取出完整的心搏,然后从截取出的心搏中进行特征提取,并将提取到的特征按类别建立以下数据集:集合A={470单心搏形态特征},集合B={21个连续RR间期}集合C={491连续心搏全局序列特征};S3、将步骤S2中的数据集中的任一个集合输入到采用SVM算法模型中进行心搏分类;本发明具有良好的心搏分类准确性。
- 早搏检测方法及其电子设备和介质-202010432393.9
- 张杰;黄曦;李宏宝;范竞文 - 华为技术有限公司
- 2020-05-20 - 2023-08-22 - A61B5/349
- 本申请涉及信息技术处理领域,公开了一种早搏检测方法及其电子设备和介质。本申请的早搏检测方法包括:采用早搏检测功能对用户进行早搏检测,在采用早搏检测功能检测出用户出现早搏的情况下,采用早搏类型判断功能判断用户出现的早搏类型,并基于早搏检测功能得到的检测数据计算用户的早搏负荷,在计算出的早搏负荷大于早搏类型判断功能判断出的早搏类型所对应的早搏负荷阈值的情况下,对用户进行早搏风险提醒。本申请的早搏检测技术避免了电子设备的单一检测功能能够持续进行早搏检测但无法识别早搏类型的缺点,综合利用两个检测功能实现早搏的持续检测和早搏类型的判定,进而实现两种不同类型早搏的差异化风险提醒,避免大量错误提醒或对风险认识不足。
- 一种心电信号智能分析方法及系统、智能心电辅助系统-202211220314.3
- 赵韡;樊晓寒;刁晓林;霍燕妮;袁靖;周亚;程怀兵 - 中国医学科学院阜外医院
- 2022-10-08 - 2023-08-22 - A61B5/349
- 本申请公开了一种心电信号智能分析方法及系统、智能心电辅助系统,方法包括如下步骤:获取多个心电信号、与心电信号相关联的患者其它信息、心电异常标签、心电危急值标签,构建样本数据集;将样本数据集划分为训练集、验证集和测试集,基于训练集构建训练心电异常识别模型、心电危急值识别模型,将待分析的心电信号输入训练好的心电异常识别模型,得到心电异常预测概率,当心电异常预测概率高于预设阈值时,再将心电信号及与心电信号关联的患者其它信息输入心电危急值识别模型,输出心电危急值预测概率。本申请方法及系统,能够利用心电信号、与心电信号相关联的患者的其它信息,给出预测概率,提高心电信号异常识别、心电危急值识别的准确率。
- 分析心电图信号的方法-202010315635.6
- 詹韵玄;潘可涵;李威儒;陈亮恭;彭莉甯 - 宏碁股份有限公司;阳明大学
- 2020-04-21 - 2023-08-08 - A61B5/349
- 本发明提供一种分析心电图信号的方法。通过传感器测量心电图信号。于心电图信号中检测一或多个指定波形。自每一个指定波形中获取多个心电图特征。将所述心电图特征输入多个候选模型中,藉以获得多个候选分数。将每一个候选分数与标准值进行比较,以在所述候选分数中获得理想分数。选择与理想分数对应的一个候选模型作为风险预测模型,以通过风险预测模型来预测疾病风险。
- 一种基于信号分量的单元化形态学特征的降噪方法-202310431752.2
- 柳仁松;舒明雷;周书旺;单珂;刘照阳;刘辉;谢小云;刘瑞霞;陈长芳;王记伟 - 山东省人工智能研究院;齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)
- 2023-04-21 - 2023-08-01 - A61B5/349
- 一种基于信号分量的单元化形态学特征的降噪方法,对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别,并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显,可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好,对不同类型的心电信号降噪性能同样有效。
- 一种高精度的心电图特征点检测方法-202210487331.7
- 吕俊;李磊;蔡瑞涵;谢胜利 - 广东工业大学
- 2022-05-06 - 2023-08-01 - A61B5/349
- 本发明公开一种高精度的心电图特征点检测方法,采用已标注特征波位置信息的心电图数据构建模型训练集、超参数验证集和测试评估集;建立多分支编解码网络模型;对心电图进行R峰检测;将测试评估集输入优化的多分支编解码网络模型;采用超参数验证集得到特征波的起止时刻;对特征波的起止时刻进行峰值检测,得到特征波的峰值时刻,完成心电图特征点检测。通过多频带心电图多特征波联合检测的概率图模型,提高了输入信号信噪比,清晰地表征了各特征波隐变量之间的关联推断关系;根据概率图模型的条件概率因子分解,设计了具有注意力机制的多分支编解码网络模型,降低了心电图信号特征提取对波形变异和噪声的敏感性,提高了心电图特征点检测精度。
- 起搏信号的检测方法、装置、计算机设备及存储介质-202310319158.4
- 吴振海;卜祥南;尹鹏 - 深圳市科曼医疗设备有限公司
- 2023-03-22 - 2023-06-27 - A61B5/349
- 本申请实施例公开了一种起搏信号的检测方法、装置、计算机设备及存储介质,该方法包括:从待检测的起搏心电信号中截取一段信号作为当前待检测信号;对当前待检测信号进行预处理;根据当前预处理后的检测信号和当前待检测信号获取当前待检测信号的固有特征参数,其中,固有特征参数包括信号宽度和信号幅度;根据当前预处理后的检测信号对当前待检测信号进行信号质量分析,得到分析结果;根据分析结果自适应调整起搏幅度阈值;根据调整后的起搏幅度阈值和固有特征参数确定当前待检测信号是否为真实起搏信号。可准确的检测起搏信号,有效减少或避免误检和漏检等问题,对起搏信号具有良好的识别效果。
- 一种自监督的心电信噪比评估方法及系统-202310273777.4
- 张伯政;徐明雪;吴军;高希余;王玉杰;房志文;张慧 - 众阳健康科技集团有限公司;山东百灵互联网医疗健康有限公司
- 2023-03-16 - 2023-06-23 - A61B5/349
- 本发明属于心电信号处理技术领域,针对处于心电信号频段内的噪声,提供了一种自监督的心电信噪比评估方法及系统,其将原始心电数据添加复合噪声得到复合心电数据,之后,通过计算原始心电数据和复合噪声的上下包络并计算包络的幅值差,再通过信噪比公式计算复合波形的信噪比;将复合心电数据输入到网络中,获取结果后计算损失,通过优化算法更新网络参数直到结果达到预期,通过信噪比的量级来判断心电图中噪声片段是否会影响后续心电自动分析算法的结果。该方法利用自监督的特性克服以往模型识别噪声片段的片面性,能更大程度的识别现实世界中复杂的噪声,且提出的方法数据成本低,针对识别与心电信号同分布的噪声效果显著。
- 基于心率的肺影像组学的确定方法及装置、设备及介质-202110677292.2
- 刘洋;杨英健;康雁;李玮;李强;郭英委;刘虎;雷亮;郑小丽 - 深圳技术大学
- 2021-06-18 - 2023-06-23 - A61B5/349
- 本公开涉及一种基于心率的肺影像组学的确定方法,涉及心肺领域,所述的基于心率的肺影像组学的确定方法,包括:获取多个慢性阻塞性肺疾病等级的胸部影像图像及其对应的心率;计算所述胸部影像图像的肺影像组学数据;基于所述心率及预设筛选模型对所述肺影像组学数据行筛选,得到筛选的肺影像组学;根据所述筛选的肺影像组学在多个慢性阻塞性肺疾病等级下组间的显著性及显著性设定关系确定影响心率的肺影像组学。本公开实施例可确定影响心率的肺影像组学,以便更好揭示心肺的关系。
- 生成激动时间-201880050311.5
- S·戈什;K·J·克莱克纳 - 美敦力公司
- 2018-07-26 - 2023-05-30 - A61B5/349
- 本文描述了用于从由多个外部电极监测到的电活动生成替代心脏电激动时间的系统。根据一个或多个度量,应当被校正的替代心脏电激动时间可被标识或确定,并且随后此类替代心脏电激动时间可根据各种标准被校正。
- 基于对比预测编码的ECG数据特征生成模型-202110978438.7
- 孙乐;任超旭 - 南京信息工程大学
- 2021-08-25 - 2023-05-26 - A61B5/349
- 本发明公开了一种基于对比预测编码的ECG数据特征生成模型,包括如下步骤:首先将划分ECG训练数据,横向看是正样本对与负样本对,正样本对是相同类别的数据,负样本对是不同类别的数据,纵向看是训练数据与待训练数据,然后通过编码器将训练数据与待训练数据都进行编码,接着把训练数据经过编码得到的结果放入自回归模型得到上下文信息Context,Context进入预测模型后得到未来多步的预测值,最后将预测值与待训练数据经过编码后的值一起计算点积得到损失值。本发明可以扩展样本数量不足的数据,提高下游任务的泛化能力。
- 一种医疗设备室上速鉴别的方法-202310431868.6
- 徐建斌 - 苏州无双医疗设备有限公司
- 2023-04-21 - 2023-05-23 - A61B5/349
- 本发明公开一种医疗设备室上速鉴别的方法,采用所述方法的医疗设备包括心电信号感知电路和根据感知的信号执行鉴别方法的处理器,所述鉴别方法包括根据多次感知的QRS波生成用于鉴别匹配的QRS波模板和波形差异;采样待鉴别的QRS波,根据所述QRS波模板和所述波形差异计算所述待鉴别的QRS波与所述QRS波模板的匹配系数;所述波形差异被定义为在所述QRS波模板生成过程中,多个表示QRS波向量的特征向量元素的差异范围。
- 心电信号的处理方法及装置、电子设备及存储介质-202111361859.1
- 赵巍;胡静;马云驹;李振齐 - 广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
- 2021-11-17 - 2023-05-19 - A61B5/349
- 本发明涉及一种心电信号的处理方法、装置、电子设备及存储介质。所述心电信号的处理方法,包括以下步骤:获取原始心电信号,对所述原始心电信号进行降噪处理获得样本信号,并对所述样本信号进行检测获得心拍片段;基于预设的ST‑T波异常特征参数,对所述心拍片段进行ST‑T波异常识别获得ST‑T波异常分类结果;基于预设的Q波异常特征参数,对所述心拍片段进行Q波异常识别获得Q波异常分类结果;根据所述ST‑T波异常分类结果和Q波异常分类结果确定心梗阶段的概率数据。所述心电信号的处理方法具有能够对心肌梗塞进行准确识别,识别结果可靠性强的优点。
- 一种检测心电信号的方法、装置、终端及存储介质-202011560066.8
- 赵婷婷;孙行智;朱昭苇;徐卓扬;刘卓 - 平安科技(深圳)有限公司
- 2020-12-25 - 2023-03-03 - A61B5/349
- 本申请适用于计算机技术领域,提供了一种检测心电信号的方法、装置、终端及存储介质,包括:获取待检测的心电信号;将该心电信号输入到已训练的心电信号检测模型中进行处理,得到该心电信号中异常心电信号的位置以及该异常心电信号对应的异常类型。上述方式,基于该心电信号检测模型中的异常心电信号筛选模块可以从心电信号中筛选出异常心电信号,并确定该异常心电信号的位置,该心电信号检测模型中的分类模块可以对异常心电信号进行分析,得到该异常心电信号对应的异常类型。基于该方法,不仅可以准确地对待检测的心电信号中的异常心电信号进行定位,同时还可以准确地识别出该异常心电信号的异常类型,提升了解读心电信号的速率以及准确率。
- 一种基于改进多基分类器集成的自动心律失常分析方法-202110343071.1
- 张蓝天;吴松 - 北京芯动卫士科技有限公司
- 2021-03-30 - 2023-02-03 - A61B5/349
- 本发明公开了一种基于改进多基分类器集成的自动心律失常分析方法,包括以下步骤:预处理模块,包括心电信号降噪、心拍识别及截取;分类模块,包括用以对心电图数据进行心律失常自动分类的XGBoost分类模块、GBDT分类模块、BiGRU分类模块;融合模块,用以依据模型集成规则—Stacking,将分类模块产生的第一分类结果、第二分类结果及第三分类结果进行集成,得到集成数据;然后利用浅层神经网络对心律失常集成数据进行分类,得到最终的心率失常分类融合结果。如此,本发明将XGBoost、GBDT、BiGRU三种基分类器的分类结果利用Stacking集成规则进行融合,采用机器学习模型与深度学习模型相结合的方法,提升了心律失常整体分类性能及准确率。
- 用于确定心电图信号的实时周期长度的方法和系统-202210782431.2
- D·R·施耐德温德;S·布莱奇利;S·舒尔茨;乔尔·秋珍·薛 - 通用电气精准医疗有限责任公司
- 2022-07-05 - 2023-01-24 - A61B5/349
- 本发明提供了各种方法和系统,用于使用机器学习来实时分析心电图(ECG)以识别心跳,计算每次心跳的周期长度644,并且在用户界面处显示每次心跳的该周期长度644。连续地学习ECG数据的波形形态以识别周期性信号630、632,并且基于周期性信号630、632来生成模板624,ECG数据606与该模板进行比较以识别并显示心跳。连续地更新生成的模板624,以反映变化的波形形态。
- 一种应用于心电采集的去除基线漂移的方法及系统-202211276693.8
- 唐弢;赵淑钰;魏依娜;冯琳清;渠慎奇;钱程;刘金标;王丽婕;田琪 - 之江实验室
- 2022-10-19 - 2023-01-24 - A61B5/349
- 本发明公开了一种应用于心电采集的去除基线漂移的方法及系统,包括:信号放大模块:用于将穿戴式心电采集设备采集到的输入信号中的心电信号进行放大处理,得到放大心电信号,并将所述放大心电信号传输至基线漂移去除模块;基线漂移去除模块:用于去除所述放大心电信号的基线漂移,得到去基线漂移心电信号,并将所述去基线漂移心电信号传输至模数转换器;模数转换器:用于对所述去基线漂移心电信号进行转换、编码形成转换后的数字信号,并将所述数字信号传输至发射模块;发射模块:用于将所述数字信号进行发射传输。本发明通过使用自主设计的基线漂移去除模块,去除心电信号中的基线漂移,从模拟前端降低心电信号的噪声、提高心电信号的准确性。
- 一种基于CycleGAN和BiLSTM神经网络方法的心博异常检测方法-202110317034.3
- 张蓝天;吴松 - 南京蝶谷健康科技有限公司
- 2021-03-25 - 2023-01-10 - A61B5/349
- 本发明公开了一种基于CycleGAN和BiLSTM神经网络的心率失常类别检测,是按如下步骤进行:步骤1:多导联心电信号数据样本的预处理:1.1、心电信号采集;1.2、心电信号去噪处理;1.3、心电信号归一化处理;1.4、多导联的心电信号样本的生成;步骤2:利用CycleGAN(循环生成对抗网络)对预处理后的训练数据库2进行数据扩充;步骤3:心博异常检测:3.1、构建BiLSTM神经网络;3.2、BiLSTM神经网络的训练过程;3.3、分类评估。本发明涉及心电图异常检测技术领域。该种基于CycleGAN和BiLSTM神经网络方法的多导联心律失常检测方法,解决了上述存在的样本不均衡问题,使好的深度学习模型呈现出更好的表现结果。
- 一种心拍伪影识别方法、系统-202211106773.9
- 王凯;耿世佳;洪申达;魏国栋;章德云;傅兆吉;周荣博;俞杰;鄂雁祺;齐新宇 - 合肥心之声健康科技有限公司
- 2022-09-13 - 2023-01-03 - A61B5/349
- 本发明提出一种心拍伪影识别方法、系统,所述方法包括:分别对ECG信号和R波位置进行预处理;根据预处理后的ECG信号和R波位置确定心拍矩阵和心拍切割后R波位置;根据所述心拍矩阵和所述心拍切割后R波位置确定基准心拍;根据所述基准心拍和所述心拍矩阵确定代价序列;根据所述代价序列确定心拍是否为伪影。本发明的心拍伪影识别方法、系统,方法简单有效,计算复杂度低,可以作为如QRS波检测等操作的后处理的环节之一;使用心拍翻转及DTW算法进行空间距离计算,降低了室性异常心拍与其他非伪影心拍间的度量差异;同时,保持了伪影心拍与其他心拍之间的度量差异;有效降低了伪影心拍的误检,提升了算法的准确性。
- 一种心律失常分类方法、系统及电子设备-202211091423.X
- 向伟;周晨晨;李向奎;尤佳琦;吕赫 - 西南民族大学
- 2022-09-07 - 2022-12-27 - A61B5/349
- 本申请提供了一种心律失常分类方法、系统及电子设备,在该方法中,获取了目标对象的原始心律数据,将原始心律数据进行转化,得到各个第一心律特征向量,根据预设的丢失率,得到各个第二心律特征向量,对原始心律数据各自对应的局部特征信息与各个第二心律特征向量各自对应的局部特征信息进行融合,得到各个融合心律特征向量,根据各个融合心律各自对应的分类权重,确定各个融合心律特征向量所对应的心律类别,因此通过上述方法,能够抑制在少数类心律失常样本中提取大量心律特征数据时,出现的过拟合问题,同时提高心律特征数据提取的精度以及心律失常分类的准确度。
- 室性激动识别方法、装置、电子设备及可读存储介质-201911349549.0
- 朱玉奎;马传龙;裴振涛 - 北京超思电子技术有限责任公司
- 2019-12-24 - 2022-12-06 - A61B5/349
- 本申请提供了一种室性激动识别方法、装置、电子设备及可读存储介质,应用于计算机技术领域,其中该方法包括:基于预训练的位置确定模型自动确定QRS波群的起点位置与终点位置,然后根据确定的所述QRS波群的起点位置与终点位置确定所述QRS波群的波群特征,进而根据确定的QRS波群的波群特征通过预训练的二叉树模型自动识别出心电信号数据是否为室性激动。从而实现了室性激动的自动识别,与人工定位心脏电激动起源部位相比,提升了室性激动识别的效率,此外,基于提取的多个维度的QRS波群的波群特征进行室性激动的识别,提升了室性激动识别的准确性。
- 一种基于深度神经网络的可穿戴心电图实时诊断系统-202211145415.9
- 王一萌 - 河南省人民医院
- 2022-09-20 - 2022-12-02 - A61B5/349
- 本发明涉及基于深度神经网络的可穿戴心电图实时诊断系统技术领域,且公开了一种基于深度神经网络的可穿戴心电图实时诊断系统,包括信号采集模块、智控模块和数据分析处理模块,该系统通过设置的信号筛选单元,分析出心动周期等数据,以此来确定PQRST复数,能够有效的避免错误数据流入到后面,保证了信号传递的高质量,设置的信号控制单元,将ECG记录发送到CNN网络,作为病理分类的输入,引入一个与类别样本的数量成比例的权重因子将传统的二元交叉熵损失扩展,设置的智控模块,在显示屏上显示诊断结果通过将测试数据库从发送器多次发送到数据接收器,可以验证对数据连接中常见的IP互联网协议数据包丢失的可靠性。
- 心脏信号QT间期检测-202180025041.4
- G·拉贾戈帕尔;S·萨卡 - 美敦力公司
- 2021-03-23 - 2022-11-22 - A61B5/349
- 本文公开了一种用于检测心脏信号的一个或多个参数的示例设备。所述设备包括一个或多个电极和被配置为经由所述一个或多个电极感测心脏信号的感测电路。所述装置进一步包含被配置成确定所述心脏信号的R波且确定所述R波是否有噪声的处理电路系统。基于所述R波有噪声,所述处理电路系统被配置成确定所确定T波周围的所述心脏信号是否有噪声。基于所述所确定T波周围的所述心脏信号没有噪声,所述处理电路系统被配置成基于所述所确定T波和所确定R波确定QT间期或经校正QT间期。
- 一种心电图波形分类方法、装置、电子设备及存储介质-202211000752.9
- 刘怡俊;周仕韬;叶武剑 - 广东工业大学
- 2022-08-19 - 2022-11-22 - A61B5/349
- 本发明公开了一种心电图波形分类方法、装置、电子设备及存储介质,用于解决现有的ECG信号分类效率低、准确率差的技术问题。本发明包括:按照预设采样频率采集心电图信号;对所述心电图信号进行归一化处理,得到归一化数据;将所述归一化数据转化为脉冲信号;将所述脉冲信号输入到预设S‑LRNN模型中,输出波形分类结果;所述S‑LRNN模型包括一个输入层为LSTM模块的SRNN模型。
- 专利分类
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置