一种心电信号分类方法、装置及程序产品、存储介质

    公开(公告)号:CN110141218A

    公开(公告)日:2019-08-20

    申请号:CN201910523122.1

    申请日:2019-06-17

    IPC分类号: A61B5/0402 A61B5/00

    摘要: 本申请实施例公开了一种心电信号分类方法、装置,对待分类心电信号进行心博切割,获得心博数据,该心博数据为时域心博数据。然后,将心博数据进行转换获得频域心博数据,并提取心博数据和频域心博数据的统计特征以及采样特征,以作为该心博数据的心博特征。再根据心博数据的心博特征识别无效心博数据,以将无效心博数据从心博数据中剔除,得到更新后的心博数据。再将更新后的心博数据的心博特征输入心博分类模型得到心博数据的分类结果。即,本申请通过利用每个心博数据的特有的心博特征进行分类,与现有技术中采样固定阈值进行分类相比,提高了分类准确性。

    心室颤动的检测装置、检测模型的训练装置、方法及设备

    公开(公告)号:CN111067512B

    公开(公告)日:2023-01-31

    申请号:CN201911237611.7

    申请日:2019-12-05

    IPC分类号: A61B5/361 A61B5/024 A61B5/00

    摘要: 本申请公开一种心室颤动的检测装置、检测模型的训练装置、方法及设备,所述检测装置包括:第一提取单元,用于从待检测心律数据中提取预设个数的心搏数据,构成心搏集合;第二提取单元,用于利用心搏特征提取模型对心搏集合进行特征提取,得到心搏特征;心搏特征提取模型利用室颤数据样本对预训练模型训练得到;检测单元,用于将心搏特征和心律特征输入至经过训练的室颤检测模型,得到检测结果。本申请利用数量较大的心律失常数据样本对心搏特征提取模型进行预训练,使得在室颤数据样本不足的情况下,也能够保证心搏特征提取模型的训练精度。进一步基于心搏特征提取模型提取到的心搏特征,对待检测心律数据进行室颤检测,得到的检测结果也更准确。

    数据分类方法、装置、存储介质及电子设备

    公开(公告)号:CN111476282A

    公开(公告)日:2020-07-31

    申请号:CN202010230613.X

    申请日:2020-03-27

    发明人: 朱宝峰 何光宇

    摘要: 本公开涉及一种数据分类方法、装置、存储介质及电子设备,以解决相关技术中数据分类存在的问题,减少数据分类过程中耗费的人力和时间,提高数据分类效率。该数据分类方法包括:对数据进行滤波处理,以去除所述数据中的噪声信号,其中,所述数据为时域波形数据;将滤波后的所述数据转换为图像;将转换为图像后的所述数据输入数据分类模型中,得到所述数据的分类结果,其中,所述数据分类模型是根据未标注的样本数据进行无监督训练得到的。

    检测模型的训练装置、方法及心电数据处理方法、装置

    公开(公告)号:CN110929759B

    公开(公告)日:2023-04-07

    申请号:CN201911018261.5

    申请日:2019-10-24

    发明人: 朱宝峰 何光宇

    摘要: 本申请公开一种心肌缺血检测模型的训练装置、方法及心电数据的处理方法、装置以及相关设备,所述装置包括:提取单元,用于提取心电数据样本的第一波形特征值;其中,所述第一波形特征值包括用于表征所述心电数据样本的ST段抬高的特征值和所述ST段下移的特征值;第一确定单元,用于确定所述心电数据样本经过小波变换后得到的能量系数;第二确定单元,用于基于所述能量系数,确定所述心电数据样本的能量特征值;训练单元,用于基于所述心电数据样本的所述第一波形特征值和所述能量特征值,对所述心肌缺血检测模型进行训练,得到经过训练的心肌缺血检测模型。本申请结合波性特征值和能量特征值对心肌缺血检测模型进行训练,得到的训练结果更准确。

    一种心电数据中关键点的确定方法、装置及设备

    公开(公告)号:CN111067511B

    公开(公告)日:2022-08-16

    申请号:CN201911149307.7

    申请日:2019-11-21

    发明人: 朱宝峰 何光宇

    摘要: 本申请公开一种心电数据中关键点的确定方法、装置及设备,所述方法包括:获取心电数据的采样点信息;其中,所述采样点信息包括采样点与幅值的对应关系;将所述采样点信息输入至经过训练的深度学习模型,经过处理后,输出所述采样点信息中各个采样点分别对应的标签;基于各个采样点分别对应的标签,确定所述心电数据的关键点。本申请通过深度学习的方式确定心电数据中的关键点,能够提高关键点确定的效率与准确率。

    心室颤动的检测装置、检测模型的训练装置、方法及设备

    公开(公告)号:CN111067512A

    公开(公告)日:2020-04-28

    申请号:CN201911237611.7

    申请日:2019-12-05

    IPC分类号: A61B5/046 A61B5/024 A61B5/00

    摘要: 本申请公开一种心室颤动的检测装置、检测模型的训练装置、方法及设备,所述检测装置包括:第一提取单元,用于从待检测心律数据中提取预设个数的心搏数据,构成心搏集合;第二提取单元,用于利用心搏特征提取模型对心搏集合进行特征提取,得到心搏特征;心搏特征提取模型利用室颤数据样本对预训练模型训练得到;检测单元,用于将心搏特征和心律特征输入至经过训练的室颤检测模型,得到检测结果。本申请利用数量较大的心律失常数据样本对心搏特征提取模型进行预训练,使得在室颤数据样本不足的情况下,也能够保证心搏特征提取模型的训练精度。进一步基于心搏特征提取模型提取到的心搏特征,对待检测心律数据进行室颤检测,得到的检测结果也更准确。

    一种心电数据中关键点的确定方法、装置及设备

    公开(公告)号:CN111067511A

    公开(公告)日:2020-04-28

    申请号:CN201911149307.7

    申请日:2019-11-21

    发明人: 朱宝峰 何光宇

    IPC分类号: A61B5/0452 A61B5/0402

    摘要: 本申请公开一种心电数据中关键点的确定方法、装置及设备,所述方法包括:获取心电数据的采样点信息;其中,所述采样点信息包括采样点与幅值的对应关系;将所述采样点信息输入至经过训练的深度学习模型,经过处理后,输出所述采样点信息中各个采样点分别对应的标签;基于各个采样点分别对应的标签,确定所述心电数据的关键点。本申请通过深度学习的方式确定心电数据中的关键点,能够提高关键点确定的效率与准确率。

    心脏停搏的检测装置、检测模型的训练装置、方法及设备

    公开(公告)号:CN110946573A

    公开(公告)日:2020-04-03

    申请号:CN201911060277.2

    申请日:2019-11-01

    发明人: 朱宝峰 何光宇

    IPC分类号: A61B5/0452 A61B5/0468

    摘要: 本申请公开一种心脏停搏的检测装置、检测模型的训练装置、方法及设备,所述检测装置包括:第一提取单元,用于提取待处理心电数据的心率变异性时域特征值;获取单元,用于获取待处理心电数据的预设频段的频域幅值,作为待处理心电数据的心率变异性频域特征值;第一检测单元,用于将心率变异性时域特征值和心率变异性频域特征值,输入到心脏停搏检测模型,经过心脏停搏检测模型的处理后,得到第一心脏停搏检测结果;其中,心脏停搏检测模型是基于心电数据样本的所述心率变异性时域特征值和所述心率变异性频域特征值训练得到的。本申请能够结合心电数据的心率变异性时域特征值和心率变异性频域特征值,对心脏停搏进行检测,得到更准确的检测结果。

    检测模型的训练装置、方法及心电数据处理方法、装置

    公开(公告)号:CN110929759A

    公开(公告)日:2020-03-27

    申请号:CN201911018261.5

    申请日:2019-10-24

    发明人: 朱宝峰 何光宇

    摘要: 本申请公开一种心肌缺血检测模型的训练装置、方法及心电数据的处理方法、装置以及相关设备,所述装置包括:提取单元,用于提取心电数据样本的第一波形特征值;其中,所述第一波形特征值包括用于表征所述心电数据样本的ST段抬高的特征值和所述ST段下移的特征值;第一确定单元,用于确定所述心电数据样本经过小波变换后得到的能量系数;第二确定单元,用于基于所述能量系数,确定所述心电数据样本的能量特征值;训练单元,用于基于所述心电数据样本的所述第一波形特征值和所述能量特征值,对所述心肌缺血检测模型进行训练,得到经过训练的心肌缺血检测模型。本申请结合波性特征值和能量特征值对心肌缺血检测模型进行训练,得到的训练结果更准确。

    一种心电信号分类方法、装置及程序产品、存储介质

    公开(公告)号:CN110141218B

    公开(公告)日:2022-02-18

    申请号:CN201910523122.1

    申请日:2019-06-17

    摘要: 本申请实施例公开了一种心电信号分类方法、装置,对待分类心电信号进行心博切割,获得心博数据,该心博数据为时域心博数据。然后,将心博数据进行转换获得频域心博数据,并提取心博数据和频域心博数据的统计特征以及采样特征,以作为该心博数据的心博特征。再根据心博数据的心博特征识别无效心博数据,以将无效心博数据从心博数据中剔除,得到更新后的心博数据。再将更新后的心博数据的心博特征输入心博分类模型得到心博数据的分类结果。即,本申请通过利用每个心博数据的特有的心博特征进行分类,与现有技术中采样固定阈值进行分类相比,提高了分类准确性。