-
公开(公告)号：CN111666865A
公开(公告)日：2020-09-15
申请号：CN202010488632.2
申请日：2020-06-02
申请人： 上海数创医疗科技有限公司
IPC分类号： G06K9/00 , G06N3/04 , G06N3/08 , A61B5/00 , A61B5/0402
摘要： 本申请涉及一种基于新型损失函数的多导联心电信号卷积神经网络分类模型，通过采用新的损失函数：来训练卷积神经网络得到分类模型，解决了神经网络在训练多分类标签学习过程中容易对某些类别的漏学习的问题，提到了多个类别的多导联心电信号识别的准确性，对于标记有多个类别的多导联心电信号的准确率能够提高到90％以上。
-
公开(公告)号：CN111657915A
公开(公告)日：2020-09-15
申请号：CN202010367651.X
申请日：2020-04-30
申请人： 上海数创医疗科技有限公司
发明人： 张德涛
IPC分类号： A61B5/0402 , A61B5/00
摘要： 本申请涉及一种基于深度学习的心电图形态识别的神经网络模型，通过识别每个心电信号中的所有R波高点，并以R波高点作为起始和结尾进行区间划分，将心电信号划分成信号段，使信号段形成训练集和验证集能最大程度地保证形态的基本特征，使得训练得到的卷积神经网络模型具有更好的鲁棒性和准确性。同时采用3个卷积神经网络模型分别判断T波形态类型、ST波段形态以及T波形和ST波段综合形态，并结合起来确定最终形态类型，使形态类型的判断更为准确。
-
公开(公告)号：CN111657914A
公开(公告)日：2020-09-15
申请号：CN202010365665.8
申请日：2020-04-30
申请人： 上海数创医疗科技有限公司
发明人： 张德涛
IPC分类号： A61B5/0402 , A61B5/00
摘要： 本申请涉及一种基于深度学习的心电图形态的识别方法和装置，通过对识别出每个心电信号中的所有R波高点，并以R波高点作为起始和结尾进行区间划分，将心电信号划分成信号段对信号段形成训练集和验证集能够最大程度地保证形态的基本特征，使得训练得到的卷积神经网络具有更好的鲁棒性和准确性。
-
公开(公告)号：CN110037684A
公开(公告)日：2019-07-23
申请号：CN201910257517.1
申请日：2019-04-01
申请人： 上海数创医疗科技有限公司
IPC分类号： A61B5/0402 , A61B5/046
摘要： 本申请涉及一种基于改进卷积神经网络的识别心律类型的装置、计算机设备及存储介质。方法包括采用预先训练好的神经网络对心电信号进行识别，以识别出该心电信号对应的心律类型，确定其是否为房颤。预先训练好的神经网络采用损失函数为：的卷积神经网络，使用该损失函数可以使卷积神经网络在训练时加大对假阴性的惩罚，从而实现保证准确率的前提下，降低漏检率，提高准确性。
-
公开(公告)号：CN109620207A
公开(公告)日：2019-04-16
申请号：CN201811600465.5
申请日：2018-12-26
申请人： 上海数创医疗科技有限公司
IPC分类号： A61B5/0402 , A61B5/0468
CPC分类号： A61B5/0402 , A61B5/0468 , A61B5/7225 , A61B5/7267
摘要： 本发明公开了基于改进卷积神经网络的室性早搏心跳识别方法及装置，对心电信号进行预处理；将心电信号截断为若干个心跳序列，提取每个心跳与之前心跳之间的RR间隔；计算每个心跳序列的峭度值、偏度值；将上述几项输入到改进卷积神经网络模型中，输出待识别心跳的识别结果，判定待识别心跳是否是室性早搏心跳。本发明采用一种改进的卷积神经网络，综合考虑到心跳的波形特征以及该心跳与上一心跳之间的关系，进行某一心跳是否是室性早搏心跳的自动化判断，可以大大提高判断准确率。改进的卷积神经网络由卷积层、池化层、全连接层组成，全连接层连接了一些室性早搏心跳的具体特征，经过融合计算后送给了分类器，用于进行室性早搏心跳的自动化判断。
-
公开(公告)号：CN118285810A
公开(公告)日：2024-07-05
申请号：CN202410415935.X
申请日：2024-04-08
申请人： 上海数创医疗科技有限公司
IPC分类号： A61B5/346 , G06N3/0464 , G06F18/23213 , G06F18/241 , G06N3/088
摘要： 本发明涉及一种自动判断正异常心电模型及选择训练数据的方法，通过对CNN提取特征的贡献度进行无监督分类，然后将分类结果作为判断依据。本发明可以根据数据的分布判断出模型是否失效，不会被当前数据波动导致的准确率下降所影响，因此本方案的模型更新能够让系统更加稳定。而且传统上挑选数据是人为挑选错误的数据，本发明的数据挑选方式是根据CNN提取特征的贡献度进行无监督分类结果挑选，挑选出来的数据更能反映是样本分布发生变化的数据，让模型的泛化性更强。
-
公开(公告)号：CN118216924A
公开(公告)日：2024-06-21
申请号：CN202410357889.2
申请日：2024-03-27
申请人： 上海数创医疗科技有限公司
IPC分类号： A61B5/318 , A61B5/346 , A61B5/00 , G16H50/20 , G06F18/241 , G06F18/214 , G06F18/10 , G06N3/045 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种提高室性早搏心电图诊断准确率的深度学习诊断模型及系统，属于室性早搏心电图领域。一种提高室性早搏心电图诊断准确率的深度学习诊断模型，包括以下步骤：S1，收集心电信号数据；S2，数据预处理；S3，训练深度学习模型，并挑选出分类准确性最高的网络；S4，找到深度学习模型对于训练数据的输出预测错误的样本；S5，重新训练一个分类器，并利用对错误样本集中度对特征的贡献度排序；S6，用选取好的新的特征重新训练，得到新的深度学习模型；S7，对于新的心电信号数据，输入新的深度学习模型进行计算，若计算结果大于0.5，则认为是异常心电图，否则认为是正常心电图；本发明能避免在判断时出现错误，提高了“难样本”的诊断准确率。
-
公开(公告)号：CN112633005B
公开(公告)日：2024-06-21
申请号：CN202011254133.3
申请日：2020-11-11
申请人： 上海数创医疗科技有限公司
IPC分类号： G06F40/30 , G06N3/0464 , G06N3/049 , G06N3/08
摘要： 本发明涉及一种心电术语语义匹配方法，本发明通过收集标准心电术语，构成标准心电术语库，针对每一类标准心电术语均训练深度学习模型，得到与各标准心电术语对应的N个深度学习模型，将待匹配的心电术语输入训练好的N个深度学习模型中，根据各深度学习模型输出的数据大小来预测待匹配心电术语对应的标准心电术语，从而使得心电结论中均为标准心电术语，避免诊断过程中的歧义和理解偏差，提高诊断的准确性。
-
公开(公告)号：CN117224144A
公开(公告)日：2023-12-15
申请号：CN202311392531.5
申请日：2023-10-25
申请人： 上海数创医疗科技有限公司
IPC分类号： A61B5/346 , A61B5/00 , G06F18/10 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于深度学习和心电仿真技术的心电信号去噪方法，属于医学技术领域，一种基于深度学习和心电仿真技术的心电信号去噪方法，采用以下步骤：步骤一，设置参数，产生心电信号；步骤二，随机生成范围内的场点处电导率、内界面电导率、外界面电导率；步骤三，以仿真得到的心电信号作为输入，以场点处电导率、内界面电导率、外界面电导率作为输出，训练深度学习网络；步骤四，使用深度学习网络对真实采集得到的心电信号进行去噪；本发明能够避免由于运动、或者设备导联导电性不稳定等原因造成的噪声干扰幅度大的问题，有效地去除动态心电图该部分的噪声，提高使用的准确性。
-
公开(公告)号：CN114305438A
公开(公告)日：2022-04-12
申请号：CN202111596774.1
申请日：2021-12-24
申请人： 上海数创医疗科技有限公司
摘要： 本发明涉及心电信号异常检测技术领域，为一种基于遗传算法及元胞自动机的异常心电信号检测方法，包括以下步骤：S1，采集真实的心电信号；S2，以仿真的心电信号与真实的心电信号之间的误差最小化为优化目标，利用遗传算法求取出最优的心电仿真模型的参数值；S3，采用遗传算法，以最小化采集得到的心电信号模型仿真出的心电信号为目标，求出最优的参数值，根据最优的参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。通过采用遗传算法，以最小化采集得到的心电信号与模型仿真出的心电信号为目标，求出最优的参数值，根据参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。
-
-
-
-
-
-
-
-
-
搜索结果
126 条记录 (耗时 0.051 秒)
