公开(公告)号：CN115905996B

公开(公告)日：2023-08-08

申请号：CN202211135432.4

申请日：2022-09-19

申请人： 山东省人工智能研究院

发明人： 陈长芳 ,  相潇学 ,  舒明雷 ,  周书旺 ,  刘瑞霞 ,  刘照阳 ,  高天雷 ,  单珂

IPC分类号： G06F18/25 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/082 ,  A61B5/346 ,  A61B5/318

摘要： 一种多尺度膨胀卷积残差密集网络的心电信号降噪方法，通过密集连接结构和不同大小的膨胀卷积自适应地学习多尺度的局部特征，能够充分利用所有卷积层的信息。设计双路特征融合增加后续信息流的变化，避免堆叠大量特征。所有双分支残差密集块生成的层级特征自适应地融合，并与浅层特征结合构建出全局特征。同时，在多尺度膨胀卷积网络中融入残差学习，促进跨层信息的交互、提高网络的有效性。

公开(公告)号：CN114129171A

公开(公告)日：2022-03-04

申请号：CN202111460457.7

申请日：2021-12-01

申请人： 山东省人工智能研究院

发明人： 陈长芳 ,  相潇学 ,  舒明雷 ,  刘瑞霞 ,  高天雷 ,  单珂 ,  卞立攀

IPC分类号： A61B5/318 ,  A61B5/346

摘要： 一种基于改进的残差密集网络的心电信号降噪方法，残差密集网络具有特征重用的能力，实现心电信号降噪的同时，降低了计算成本。应用残差密集网络过程中，不需要根据经验人为设置参数，避免经验误差，提高了模型的泛化能力。在改进的残差密集网络中，每个改进的残差块的输入都融合了前面所有改进的残差块的输出；通过该网络去除心电信号噪声，能够获得前面所有改进的残差块的输出，增强了特征传播；随着网络加深，不会出现梯度消息和梯度爆炸等问题。同时考虑信号的局部特征和全局特征，既能够捕获信号的局部特征并保存有用的医学特征，也能够捕获信号的全局特征并使训练过程稳定。

公开(公告)号：CN115905996A

公开(公告)日：2023-04-04

申请号：CN202211135432.4

申请日：2022-09-19

申请人： 山东省人工智能研究院

发明人： 陈长芳 ,  相潇学 ,  舒明雷 ,  周书旺 ,  刘瑞霞 ,  刘照阳 ,  高天雷 ,  单珂

IPC分类号： G06F18/25 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/082 ,  A61B5/346 ,  A61B5/318

摘要： 一种多尺度膨胀卷积残差密集网络的心电信号降噪方法，通过密集连接结构和不同大小的膨胀卷积自适应地学习多尺度的局部特征，能够充分利用所有卷积层的信息。设计双路特征融合增加后续信息流的变化，避免堆叠大量特征。所有双分支残差密集块生成的层级特征自适应地融合，并与浅层特征结合构建出全局特征。同时，在多尺度膨胀卷积网络中融入残差学习，促进跨层信息的交互、提高网络的有效性。

公开(公告)号：CN114129171B

公开(公告)日：2022-06-03

申请号：CN202111460457.7

申请日：2021-12-01

申请人： 山东省人工智能研究院

发明人： 陈长芳 ,  相潇学 ,  舒明雷 ,  刘瑞霞 ,  高天雷 ,  单珂 ,  卞立攀

IPC分类号： A61B5/318 ,  A61B5/346

摘要： 一种基于改进的残差密集网络的心电信号降噪方法，残差密集网络具有特征重用的能力，实现心电信号降噪的同时，降低了计算成本。应用残差密集网络过程中，不需要根据经验人为设置参数，避免经验误差，提高了模型的泛化能力。在改进的残差密集网络中，每个改进的残差块的输入都融合了前面所有改进的残差块的输出；通过该网络去除心电信号噪声，能够获得前面所有改进的残差块的输出，增强了特征传播；随着网络加深，不会出现梯度消息和梯度爆炸等问题。同时考虑信号的局部特征和全局特征，既能够捕获信号的局部特征并保存有用的医学特征，也能够捕获信号的全局特征并使训练过程稳定。