心电异常检测网络训练方法、心电异常预警方法及装置

    公开(公告)号:CN112022144B

    公开(公告)日:2022-05-24

    申请号:CN202010942309.8

    申请日:2020-09-09

    Abstract: 本发明实施例公开了一种心电异常检测网络训练方法、心电异常预警方法及装置,心电异常检测网络训练方法包括:获取心电异常患者的心电图信号和正常人的心电图信号;从获取到的心电图信号中提取训练数据;采用训练数据训练二值神经网络作为心电异常检测网络,其中,网络层的节点的值和权值为二值数据,通过网络层的节点的值和权值进行二值运算来得到下一网络层的节点值。由于二值数据占1bit数据,大幅度降低了内存的占用,二值数据还可以做与门、异或门运算代替乘法,在快速运算的同时可以降低运行环境的硬件开销,从而使得训练好的心电异常检测网络可嵌入存储容量和运算能力有限的移动设备中,以通过移动设备直接有效地对各种心电异常进行预警。

    边缘计算节点的制造方法和边缘计算节点

    公开(公告)号:CN112244853A

    公开(公告)日:2021-01-22

    申请号:CN202011158895.3

    申请日:2020-10-26

    Abstract: 本公开实施例公开了一种边缘计算节点及其制造方法,该方法包括构造基于实数型神经网络模型,所述实数型神经网络模型的隐藏层的权值和激活值为实数型数据;使用训练数据训练并压缩所述实数型神经网络模型,得到二值神经网络模型,其中,所述训练数据包括心电信号,所述二值神经网络模型的隐藏层的权值和激活值为二值数据,用于基于心电信号输出健康状态信息;基于所述二值神经网络模型定制可编程逻辑门阵列;将多个所述可编程逻辑门阵列和调度器部署在印制电路板上,形成边缘计算节点,所述调度器被配置为接收心电信号,调度所述多个可编程逻辑门阵列以确定健康状态信息,从而能够减少边缘计算节点的体积,降低功耗,适用于可穿戴设备。

    彩超探头的遥控方法和装置、系统、电子设备及介质

    公开(公告)号:CN117481682A

    公开(公告)日:2024-02-02

    申请号:CN202311174432.X

    申请日:2023-09-12

    Abstract: 本公开涉及医疗器械控制技术领域,具体涉及一种彩超探头的遥控方法和装置、系统、电子设备及介质。所述方法包括:在当前控制周期从遥控设备获取机械臂末端的目标瞬时速度和目标瞬时角速度,彩超探头安装在机械臂末端;根据机械臂末端在当前控制周期的第一瞬时速度、第一位置、第一瞬时角速度和第一姿态进行分量划分,并结合机械臂的限制条件,计算机械臂末端在下一控制周期的多个方向中任一方向的第二位置分量和第二姿态分量,确定机械臂末端在下一控制周期的位姿,以控制探头在下一控制周期的运动。本公开解决了机械臂因随时接收到多个相差较大的目标速度导致宕机的问题,提高了彩超探头遥控的响应性和灵活性,同时保证其运动的安全和稳定。

    采集超声操作手法数据的系统、方法、装置、设备及介质

    公开(公告)号:CN114886459A

    公开(公告)日:2022-08-12

    申请号:CN202110996265.1

    申请日:2021-08-27

    Abstract: 本公开实施例公开了一种采集超声操作手法数据的系统、方法、装置、设备及介质,系统包括:多个可识别码,该可识别码的数量、间隔和大小为预设的配置值,配置值根据超声检查室的布局和相机的视角确定,用于保证相机采集到的可识别码图像中至少有一个可识别码;手持装置包括超声探头和与超声探头固定连接的相机,超声探头用于采集超声图像,相机用于在超声探头采集超声图像时采集可识别码图像;数据主机连接相机,用于根据相机采集的可识别码图像,确定超声探头的位姿数据。该技术方案不需要拍摄人体,最大化保护了患者隐私且具有较高定位精度,且数据十分轻量,无冗余,易于矢量化,可以为机器学习等人工智能研究方法提供很好的训练样本。

    多模态心脏数据检测方法、装置、存储介质及终端设备

    公开(公告)号:CN110200620A

    公开(公告)日:2019-09-06

    申请号:CN201910492798.9

    申请日:2019-06-06

    Abstract: 本发明公开了一种多模态心脏数据检测方法,包括:实时采集多模态心脏数据,并对所述心脏数据进行预处理;将预处理后的心脏数据进行低通滤波处理;对经过低通滤波处理后的心脏数据进行模数转换,得到心脏数字数据;通过人工智能再学习和贝叶斯模型对所述心脏数字数据进行判断,确定异常情况;本发明在对心脏数据进行预处理后通过低通滤波和模数转换,解决现有技术在对心肺数据进行检测处理时没有考虑到心肺数据自身的多维复杂性而带来误差的技术问题,从而降低多模态心脏数据的多维复杂性,降低心肺数据检测误差率,进而实现改善心血管疾病的患病率。

    用于提取心电图时间特异性数据的模型建立方法及系统

    公开(公告)号:CN109247934A

    公开(公告)日:2019-01-22

    申请号:CN201811209725.6

    申请日:2018-10-17

    Abstract: 本发明一种用于提取心电图时间特异性数据的模型建立方法及系统,所述方法包括:步骤S1,获取心源性猝死幸存者的动态心电图信息及正常人的动态心电图信息;步骤S2,使用小波去噪对获取的心电图信号进行去噪,以降低频率极大和周期极小的工频干扰及周期极大和频率极小的基线漂移;步骤S3,对去噪后的心电数据进行定峰及特征参数提取;步骤S4,根据定峰及特征参数提取结果对每个时间点建立逻辑回归模型,进行特征参数选取,通过5倍交叉运算选取各个时间点的特征参数。步骤S5,根据选取的特征参数通过贝叶斯理论综合各点的模型,建立最终模型,通过本发明,可实现心源性猝死24h心电图信号的时间特异性数据提取。

Patent Agency Ranking