一种基于校正模型的静息十二导联心电图辅助诊断系统

    公开(公告)号:CN117883094A

    公开(公告)日:2024-04-16

    申请号:CN202311852947.0

    申请日:2023-12-29

    发明人: 朱俊江 姚蔚菁

    摘要: 本发明公开了一种基于校正模型的静息十二导联心电图辅助诊断系统,属于医学诊断技术领域,包括数据采集模块,标签编码模块,深度学习网络构建模块,结论排序模块以及校正单元,用于建立校正模型的验证和校正网络群的输出结果;本发明通过深度学习网络和校正模型的结合,能够高准确性地诊断心电信号,系统利用自动化的诊断过程和可靠的校正模型,提供快速且可靠的心脏疾病诊断工具,同时,通过灵活的模型微调和综合排序,实现了对心电信号的精准分析,这样的系统提供了高准确性和可解释性强的诊断结果,有效改进了心脏疾病的辅助诊断效果,医生能够依赖系统的准确性和可靠性,获得更可信、快速和高效的诊断结果。

    基于对抗网络的R波提取方法
    2.
    发明公开

    公开(公告)号:CN117752343A

    公开(公告)日:2024-03-26

    申请号:CN202311852941.3

    申请日:2023-12-29

    摘要: 本发明公开了基于对抗网络的R波提取方法,属于心电信号处理领域,基于对抗网络的R波提取方法,采用以下步骤操作:步骤一,采集至少N条心电信号;步骤二,构建出输入为心电信号长度Fs*T*1,输出为Fs*T*1的深度学习网络;步骤三,以心电信号作为输入,以0‑1之间的数字作为输出,构建D网络;步骤四,训练D网络;步骤五,训练G网络;步骤六,用遗传算法得出心电信号R波发生位置,完成提取;本发明中提升了心电信号R波提取的准确率,不会出现错检和漏检情况,降低了噪声的干扰性,且不会受到样本数据标注不准确及样本导联等情况的影响,信号的准确率更高,抗干扰性更好,能够提高现有算法的普适性。

    一种基于深度学习掩码机制的室性早搏识别方法及系统

    公开(公告)号:CN117481664A

    公开(公告)日:2024-02-02

    申请号:CN202311451051.1

    申请日:2023-11-02

    发明人: 朱俊江 姚蔚菁

    摘要: 本发明提供一种基于深度学习掩码机制的室性早搏识别方法及系统。所述方法包括:对初始模型进行训练以获取参照心电信号生成模型,初始模型的训练样本为基于掩码操作获取的室性早搏特征区间被隐藏的心电信号,初始模型的期望输出为室性早搏特征区间被还原的心电信号;将目标区间被隐藏的目标心电信号输入参照心电信号生成模型以获取参照心电信号,目标区间覆盖待检测的R波;将目标心电信号的目标区间与参照心电信号的室性早搏特征区间进行比对,以识别相应R波对应的心脏搏动是否属于室性早搏。所述系统用于实现所述方法。本发明能够解决现有基于识别模型的室性早搏识别方法因受到模型训练样本的全面性的影响而导致自身识别结果准确度不足的问题。

    一种自动反馈的数字化心电教学设备

    公开(公告)号:CN115934903A

    公开(公告)日:2023-04-07

    申请号:CN202211413585.0

    申请日:2022-11-11

    发明人: 姜红 刘明 陈广怡

    摘要: 本申请涉及一种自动反馈的数字化心电教学设备,其特征在于,包括:数据库建立模块:用于建立数字化的标准心电图谱数据集;对标准心电图谱数据集中所有的心电数据结论均进行标签化处理;用户答题模块:用于通过题库模式,在用户答题过程中,自动记录标签准确率、自动提示反馈薄弱点、针对性制定个性化学习路径。本发明的有益效果是:基于人工智能算法技术,结合知识追踪与个性化学习路径规划的算法,使学习者在学习过程中实现自动的应答反馈,帮助提高教学效率。

    一种心电信号异常判断方法及系统

    公开(公告)号:CN115153575A

    公开(公告)日:2022-10-11

    申请号:CN202210917969.X

    申请日:2022-08-01

    IPC分类号: A61B5/318 A61B5/352 G06K9/62

    摘要: 本发明属于心电信号异常检测领域,具体提供了一种心电信号异常判断方法及系统,其中方法包括:获取正常心电图的心跳信号数据;以电流刺激为输入,应激心电信号为输出,建立心电信号匹配函数模型;计算出模型中各参数组成的向量到其他向量之间欧式距离的平均对于新心电信号,重复上述步骤求解得到其中心电信号所对应的参数XXj;计算参数XXj与的欧式距离d,当认为新心电信号异常,否则正常。通过标记出正常的心电图,然后通过物理可解释的模型判断出与正常心电差别比较大的,认为是异常心电图,可扩展性好,准确度高。并且过程中求解出来的参数都具有物理意义,可以为临床医生分析异常产生的机理提供帮助。

    一种基于深度学习早停机制的左心室肥大检测方法及系统

    公开(公告)号:CN114519370A

    公开(公告)日:2022-05-20

    申请号:CN202210104138.0

    申请日:2022-01-28

    摘要: 本发明属于医疗领域,具体提供一种基于深度学习早停机制的左心室肥大检测方法及系统,包括:S1,采集病人处于静息状态下的12导联心电信号得到训练集;S2,判断每条心电信号,若为非左心室肥大,则心电标签向量为[0],否则心电标签向量为[1],每条心电信号分别对应一个心电标签向量后形成标签集;S3,利用卷积神经网络模型对标签集进行训练得到训练模型;S4,依次输入12个导联的心电信号到训练好的训练模型,训练模型根据该心电信号预测出心电标签向量;若输出大于0.5,则判定该心电信号为左心室肥大;若输出不大于0.5,则判定该心电信号为非左心室肥大。该方案在尽可能不影响正确率的情况下,提升心电分类的卷积神经网络的鲁棒性。

    一种基于高斯函数拟合的P波波峰及起始位置提取方法

    公开(公告)号:CN113180689A

    公开(公告)日:2021-07-30

    申请号:CN202110378596.9

    申请日:2021-04-08

    IPC分类号: A61B5/353 A61B5/352

    摘要: 本申请涉及一种基于高斯函数拟合的P波波峰及起始位置提取方法,包括以下步骤:S1,对于长度为N,采样频率为fs的心电信号,将其采样点数值转化为真实的电压幅值,并进行预处理得到s′(i);S2,采用任意一种算法进行R波波峰提取;S3,在R波峰位置发生之前的一段时间的波形片段中,以单位时间的步长进行移动,不断截取得到心电信号片段,以心电信号片段为对象,对函数进行拟合,得到函数中的σ,u和d的参数值,并记拟合误差大小为err;S4,选取拟合误差最小的片段作为潜在的P波区域,记这个片段的拟合误差为err1,拟合得到的振幅增益为d1,中心时间参数为u1,分析d1的大小,判断出p波的起点、终点。