-
公开(公告)号：CN112257573B
公开(公告)日：2022-06-24
申请号：CN202011128822.X
申请日：2020-10-21
IPC: G06K9/00
Abstract: 本发明公开了一种基于t‑SNE和Adaboost的ECG身份识别方法，其方法为：第一步、通过中值滤波器和小波去噪算法去除噪声；第二步、得到多个单周期心拍数据；第三步、得到单周期心拍数据的特征向量；第四步、采用Adaboost算法构建并训练分类器；第五步、最终输出识别结果，即该心电信号数据对应数据库中的个体身份。有益效果：本发明能极大降低心电信号数据处理的维度，加快分类器的训练速度，同时有效利用了心电信号数据的信息和类别标签，增强了ECG身份识别的准确率和时效性。同时通过结合t‑SNE算法和Adaboost构成了高效的强分类器，提高了身份识别方法的泛用性和准确率。
-
公开(公告)号：CN108596142B
公开(公告)日：2022-01-11
申请号：CN201810434968.3
申请日：2018-05-09
Abstract: 本发明的技术方案包括一种基于PCANet的心电特征提取方法，其特征在于，包括如下步骤：S10、对心电图进行预处理获得训练集和待分类集，S20、使用PCANet分别对训练集和待分类集进行心拍的特征提取，S30、使用训练集提取的心拍特征训练分类器并将其用于待分类集心拍特征的分类；本发明的有益效果为：对心电图信号的噪声具有鲁棒性，简化噪声去除的步骤，对不均衡心拍具有较佳分类效果，提高了心电特征提取的效率和准确率，减轻了医生识别心电图的压力，降低了医生误诊的概率。
-
Patent Agency Ranking
公开(公告)号：CN112257573A
公开(公告)日：2021-01-22
申请号：CN202011128822.X
申请日：2020-10-21
IPC: G06K9/00
Abstract: 本发明公开了一种基于t‑SNE和Adaboost的ECG身份识别方法，其方法为：第一步、通过中值滤波器和小波去噪算法去除噪声；第二步、得到多个单周期心拍数据；第三步、得到单周期心拍数据的特征向量；第四步、采用Adaboost算法构建并训练分类器；第五步、最终输出识别结果，即该心电信号数据对应数据库中的个体身份。有益效果：本发明能极大降低心电信号数据处理的维度，加快分类器的训练速度，同时有效利用了心电信号数据的信息和类别标签，增强了ECG身份识别的准确率和时效性。同时通过结合t‑SNE算法和Adaboost构成了高效的强分类器，提高了身份识别方法的泛用性和准确率。
-
公开(公告)号：CN108596142A
公开(公告)日：2018-09-28
申请号：CN201810434968.3
申请日：2018-05-09
Abstract: 本发明的技术方案包括一种基于PCANet的心电特征提取方法，其特征在于，包括如下步骤：S10、对心电图进行预处理获得训练集和待分类集，S20、使用PCANet分别对训练集和待分类集进行心拍的特征提取，S30、使用训练集提取的心拍特征训练分类器并将其用于待分类集心拍特征的分类；本发明的有益效果为：对心电图信号的噪声具有鲁棒性，简化噪声去除的步骤，对不均衡心拍具有较佳分类效果，提高了心电特征提取的效率和准确率，减轻了医生识别心电图的压力，降低了医生误诊的概率。
-
公开(公告)号：CN114041800B
公开(公告)日：2024-01-30
申请号：CN202111225086.4
申请日：2021-10-21
Abstract: 本发明涉及一种心电信号实时分类方法、装置及可读介质的技术方案，包括：获取ECG数据集，并对ECG数据集进行重采样；将经过重采样的ECG数据集分割成短时心拍片段，对短时心拍片段进行标准化处理得到标准化心拍片段；创建最优特征提取分类模型，对最优特征提取分类模型进行训练和验证，得到最优特征提取分类模型；实时采集心电信号，对心电信号进行预处理并输入至最优特征提取分类模型，得到分类识别结果。本发明解决了端到端心律失常检测算法中使用的卷积神经网络计算量大、待调节参数多、抗数据不平衡能力弱的问题，用轻量级网络实现了实时检测和多尺度特征自动选择，并在不平衡数据上达到较高分类性能,适用于临床看护设备和(56)对比文件Weiyi Yang，等.A novel method foridentifying electrocardiograms using anindependent component analysis andprincipal component analysis network.《Measurement》.2020,第152卷全文.
-
公开(公告)号：CN114041800A
公开(公告)日：2022-02-15
申请号：CN202111225086.4
申请日：2021-10-21
Abstract: 本发明涉及一种心电信号实时分类方法、装置及可读介质的技术方案，包括：获取ECG数据集，并对ECG数据集进行重采样；将经过重采样的ECG数据集分割成短时心拍片段，对短时心拍片段进行标准化处理得到标准化心拍片段；创建最优特征提取分类模型，对最优特征提取分类模型进行训练和验证，得到最优特征提取分类模型；实时采集心电信号，对心电信号进行预处理并输入至最优特征提取分类模型，得到分类识别结果。本发明解决了端到端心律失常检测算法中使用的卷积神经网络计算量大、待调节参数多、抗数据不平衡能力弱的问题，用轻量级网络实现了实时检测和多尺度特征自动选择，并在不平衡数据上达到较高分类性能,适用于临床看护设备和便携式设备。
-
公开(公告)号：CN113647954A
公开(公告)日：2021-11-16
申请号：CN202110769287.4
申请日：2021-07-07
Abstract: 本发明涉及一种双通道混合网络模型的心血管疾病识别方法、装置及介质的技术方案，包括：对双导联心电图的心电信号进行波段对齐分割处理，得到双导联心拍；通过第一混合卷积网络提取双导联心拍的融合特征；通过第二混合卷积网络提取双导联心拍的两个单导联特异性特征；通过线性支持向量机处理融合特征及单导联特异性特征以得到对应的三组决策值；将三组决策值映射为三组决策概率；使用D‑S模型融合三组决策概率得到双导联心电图的分类结果。本发明的有益效果为：解决现有技术中在患者间数据集、不平衡数据集和含噪数据集中分类效果较差的问题，具有较好的分类结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
