[发明专利]基于联邦学习的心血管疾病辅助诊断模型及训练方法在审
| 申请号： | 202110432117.7 | 申请日： | 2021-04-21 |
| 公开（公告）号： | CN113133768A | 公开（公告）日： | 2021-07-20 |
| 发明（设计）人： | 汤人杰;罗军舟;金嘉晖 | 申请（专利权）人： | 东南大学 |
| 主分类号： | A61B5/35 | 分类号： | A61B5/35;A61B5/346 |
| 代理公司： | 南京众联专利代理有限公司 32206 | 代理人： | 薛雨妍 |
| 地址： | 210096 *** | 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： | 本发明公开了基于联邦学习的心血管疾病辅助诊断模型及训练方法，包括以下步骤：S1、通过便携式设备联邦模型对便携式设备的心电数据和特征训练，生成便携式设备全局模型；S2、通过联邦学习客户端采集心电数据、提取心电特征和建立EcgNet局部模型；S3、通过联邦学习系统完成EcgNet全局模型训练，并融合便携式全局模型参数，生成最终模型。本发明中，通过对三甲医院的丰富的心电数据和心电特征的联邦训练得到EcgNet全局模型，不需要对数据集中处理，医疗数据处于严格保密状态，不涉及隐私问题，上传至医疗云服务中心的EcgNet全局模型，可提供区域内基层医疗机构下载使用，提升了医联体内其他医疗节点模型的推断水平。 | ||
| 搜索关键词： | 基于 联邦 学习 心血管疾病 辅助 诊断 模型 训练 方法 | ||
【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东南大学，未经东南大学许可，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/202110432117.7/，转载请声明来源钻瓜专利网。
- 同类专利
- 基于脉冲神经网络的心电信号分类方法-202111289438.2
- 赵恒;苟云飞;刘婷 - 西安电子科技大学重庆集成电路创新研究院
- 2021-11-02 - 2023-08-22 - A61B5/35
- 本发明提供的一种基于脉冲神经网络的心电信号分类方法，针对于普通的心电信号和脉搏波。根据脉搏波并无QRS波等波形特征，对其进行分割以去除脉搏波对于QRS波形的依赖，同时也可以解决脉搏波数据不平衡所带来的影响；由于输入信号为一维信号，且随着时间的变化而改变，所以对卷积神经网络进行改进以获得脉冲神经网络，对输入信号进行编码，将乘法运算转换为加法运算，从而减少脉冲神经网络的运算量以及能耗。而脉冲神经网络由于其数据为脉冲形式，采用脉冲神经网络通过脉冲输入进行分类，可以减少计算量，增强了模型的适应性；本发明相比于现有技术卷积神经网络的复杂性，可以加强脉冲神经网络对时间相关的数据处理能力，降低分类的复杂性。
- 用于处理EMG信号的方法和系统-201880023391.5
- R·M·M·德克斯;S·M·L·德沃特 - 皇家飞利浦有限公司
- 2018-03-30 - 2023-07-11 - A61B5/35
- 一种用于生成经滤波的EMG信号的方法包括获得组合信号，其中，所述组合信号包括ECG信号和EMG信号。将第一高通滤波器应用于组合信号，并基于经高通滤波的组合信号来生成ECG模型信号。所述方法还包括通过从经高通滤波的组合信号中减去ECG模型来生成部分滤波的EMG信号。然后将第二高通滤波器应用于部分滤波的EMG信号以生成第二EMG信号并且应用于所述ECG模型信号以生成第二ECG模型信号。通过门控技术基于所述第二EMG信号和所述第二ECG模型来生成经滤波的EMG信号。
- 心博类型的辅助识别方法、装置、电子设备及存储介质-202111611196.4
- 张雯;侯桂文;张晓叶 - 北京海思敏医疗技术有限公司
- 2021-12-27 - 2023-06-30 - A61B5/35
- 本发明实施例公开了一种心博类型的辅助识别方法、装置、电子设备及存储介质。该方法包括：获取当前待识别的目标心电图；将目标心电图输入至预先建立的识别模型中，确定与目标心电图中的目标图像特征相匹配的目标特征类型；将目标特征类型输出至医生终端，并展示于医生终端。本发明实施例的技术方案，可以避免了仅基于单一的波峰数据导致的识别错误；能够更准确地、全面地确定出目标心电图中的各图像特征的特征类型，提高了目标特征类型的准确性，更有利于医生对心博类型进行识别。
- 一种用于脊柱弯曲筛查的生物电信号处理装置和方法-202211484692.2
- 杨婕;王新安;李秋平;吴方珂;尚怡辰 - 北京大学深圳研究生院
- 2022-11-24 - 2023-03-24 - A61B5/35
- 本申请公开了一种用于脊柱弯曲筛查的生物电信号处理装置和方法，首先对四肢左右对侧相同部位的生物电信号进行监测，以分别获取左右两侧的生物信号监测数据；再对左右两侧的生物信号监测数据进行数据特征提取，以获取左右两侧的生物信号特征数据；然后将左右两侧的生物信号特征数据进行差异化比较获取的生物特征差异数据输入脊柱弯曲筛查数学模型；最后依据脊柱弯曲筛查数学模型输出的筛查匹配参数作为脊柱弯曲筛查结果输出的依据。通过应用脊柱弯曲对四肢左右对侧相同部位的生物电信号具有差异特性，来进行脊柱弯曲的筛查，使得脊柱弯曲筛查的效率及其准确性都能得到显著提高。
- 一种包含模糊化相似性测量方法的模板生成方法和装置-202011386131.X
- 朱俊江;黄浩;王雨轩 - 上海数创医疗科技有限公司
- 2020-12-01 - 2023-02-17 - A61B5/35
- 本申请涉及一种包含模糊化相似性测量方法的模板挑选方法和装置，通过数据预处理、索引向量将室性早搏心跳向量构筑成模糊符号型向量，再以欧式距离对相似的模糊符号型向量进行归类，分别形成若干包含所有已知心电类型的模板，该模板即可用于判别心电信号是否为室性早搏心跳，具有挑选准确，能够覆盖各种室性早搏心跳的形状。
- 一种轻量化的模型训练方法、房颤检测方法、装置及系统-202211442391.3
- 吴万庆;詹泽汇;梁颖珊;郑颖芳;陈佳荣;胡铁瀚 - 中山大学
- 2022-11-18 - 2023-01-17 - A61B5/35
- 本申请提供了一种轻量化的模型训练方法、房颤检测方法、装置及系统。模型训练方法包括：获取用于训练模型的样本数据，其中，样本数据包括心电信号及其对应的识别结果；依据心电信号确定心电特征；依据由心电特征和识别结果构成的配对训练数据对房颤识别模型进行训练，获得训练完成的房颤识别模型；其中，房颤识别模型包括依次连接的输入层、隐藏层和输出层；输入层包括5个神经元节点；隐藏层包括6个神经元节点；输出层包括1个神经元节点。本申请训练完成的房颤识别模型具备区分房颤信号和正常心电信号的能力，同时具备轻量化和易移植等与嵌入式设备相适配的特性，便于移植到各类心电信号的采集端作为房颤快速准确的初筛工具。
- 一种基于心电图模板的心电图匹配方法-202211058292.5
- 白恒宇 - 深圳市碧沙科技有限公司
- 2022-08-30 - 2023-01-13 - A61B5/35
- 本发明属于医疗器械技术领域，公开了一种基于心电图模板的心电图匹配方法，包括如下步骤：建立心电图模板；在心电图模板上建立电压参考基准、时间参考基准和标签；利用电压参考基准、时间参考基准和标签让心电图的人工智能解读系统进行学习，并在人工智能解读系统中建立搜索逻辑条件。本发明通过心电图模板上建立电压参考基准、时间参考基准和标签，并将电压参考基准、时间参考基准和标签让心电图的人工智能解读系统进行学习，并在人工智能解读系统中建立搜索逻辑条件，将被检心电图导入学习后的人工智能解读系统中，根据搜索逻辑条件进行匹配的结果，可以快速更精确识别心搏类别，从而取代或部分取代人工分析心电图。
- 一种基于图卷积空时特征融合选择的心律失常识别方法-202111661820.1
- 石用伍;龙本丹;叶承懿;李小勇;游赣花 - 贵州省人民医院
- 2021-12-31 - 2022-11-25 - A61B5/35
- 本发明提供了一种基于图卷积空时特征融合选择的心律失常识别方法，基于相关矩阵构造的图卷积神经网络和门控循环单元，提出了提取空时特征信息，通过注意力机制进行特征融合的深度学习模型GTAM，模型使用相关矩阵通过拉普拉斯Laplacian归一化来估计邻接矩阵，获得了多导ECG信号用以不同心律失常实时分类监测的空域特征表示，利用SWLSTM在时序信号强大的处理能力，对多导ECG信号进行时域上的特征提取，注意力机制对提取的空域特征和时域特征融合，使得模型避免了人工特征所存在的有区分度特征表达不充分的问题，同时提升了模型的泛化性能，使得模型更适合基于多导ECG信号用以不同心律失常实时分类监测。
- 心律异常识别模型训练方法、装置、设备及存储介质-202110506594.3
- 王飞;赵巍;李振齐;胡静;马云驹 - 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
- 2021-05-10 - 2022-11-11 - A61B5/35
- 本发明公开了一种心律异常识别模型训练方法、装置、设备及存储介质。通过对心电信号样本进行特征提取，得到特征信号，将特征信号划分为病理区和非病理区，并对特征信号中非病理区的信号进行信号抑制，避免由于临近节点带来的信息弥补作用，导致的Dropout失效的问题，改善病理区的信息表达，提高了心律异常识别模型的预测准确率。
- 心电节律模型的训练及检测方法、装置、设备和存储介质-201910251699.1
- 胡静 - 广州视源电子科技股份有限公司
- 2019-03-29 - 2022-04-12 - A61B5/35
- 本发明公开了心电节律模型的训练及检测方法、装置、设备和存储介质。该方法包括：在心电图中确定心拍；从所述心拍中提取波形统计特征、主成分特征与幅度相关特征；将所述波形统计特征、所述主成分特征与所述幅度相关特征组合为心态学特征；对所述心态学特征标记心脏所处的心态学状态；根据所述心态学特征与所述心态学状态训练心电节律模型。通过本方法实现了多维度的采集心拍的特征，将各个维度的特征进行组合，提高了心拍的差异性，提高了判断心脏疾病的可靠性的有益效果。
- 一种导联智能切换的动态心电数据处理方法及处理装置-202010796168.3
- 马亚全;王祥 - 深圳华清心仪医疗电子有限公司
- 2020-08-10 - 2022-02-22 - A61B5/35
- 本发明涉及生物医学工程技术领域，具体公开了一种导联方法误差小、结果可靠的导联智能切换的动态心电数据处理方法，包括获取多个导联同步动态心电数据；对各动态心电数据分别同步进行QRS波检测，获得有效QRS波；在主分析导联上对QRS波进行模板匹配，获得模板匹配信息，同时在多个导联上进行QRS波位置聚类，获得QRS波位置聚类信息；根据模板匹配信息及QRS波位置聚类信息判断主分析导联上是否存在干扰，若主分析导联上存在干扰，利用QRS波位置聚类信息选择干扰最小的导联作为新的主分析导联，实现导联的智能切换。本发明还公开了一种与该处理方法对应的处理装置。
- 基于联邦学习的心血管疾病辅助诊断模型及训练方法-202110432117.7
- 汤人杰;罗军舟;金嘉晖 - 东南大学
- 2021-04-21 - 2021-07-20 - A61B5/35
- 本发明公开了基于联邦学习的心血管疾病辅助诊断模型及训练方法，包括以下步骤：S1、通过便携式设备联邦模型对便携式设备的心电数据和特征训练，生成便携式设备全局模型；S2、通过联邦学习客户端采集心电数据、提取心电特征和建立EcgNet局部模型；S3、通过联邦学习系统完成EcgNet全局模型训练，并融合便携式全局模型参数，生成最终模型。本发明中，通过对三甲医院的丰富的心电数据和心电特征的联邦训练得到EcgNet全局模型，不需要对数据集中处理，医疗数据处于严格保密状态，不涉及隐私问题，上传至医疗云服务中心的EcgNet全局模型，可提供区域内基层医疗机构下载使用，提升了医联体内其他医疗节点模型的推断水平。
- 一种基于卷积神经网络的房性早搏目标检测方法-202011252321.2
- 朱俊江;黄浩;吕金涛;潘黎光 - 上海数创医疗科技有限公司
- 2020-11-11 - 2021-04-02 - A61B5/35
- 本申请涉及一种基于卷积神经网络的房性早搏目标检测方法，通过数据预处理，对收集的每一条心电信号标注数据标签，所述数据标签包括所述心电信号不同采样点处的心拍类型和心拍位置，并组成训练集，训练卷积神经网络模型，将实时待检测心电数据输入训练好的卷积神经网络模型，预测异常心拍的类型和异常心拍的位置，从而实现房性早搏的目标检测。
- 专利分类
