-
公开(公告)号:CN111419220A
公开(公告)日:2020-07-17
申请号:CN202010227774.3
申请日:2020-03-27
申请人: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
摘要: 一种基于共振稀疏分解的十二导联心电信号房颤检测方法,根据房颤信号的特点,利用共振稀疏分解对心电信号进行处理,将分解出的低共振分量部分送入神经网络中进行训练,逐个导联训练后通过投票算法(Voting)将各训练模型得出的概率进行联合运算,得到最终的检测结果,用于房颤检测时无需额外手工提取其他特征,网络结构简单,缩短了运算时间,可以实现实时房颤信号检测。针对房颤信号中“P波消失,出现F波”的表现特点,以共振稀疏分解为基础,突出房颤信号特点,通过简单的神经网络结构,保准准确率的基础上减少了运算时间。
-
公开(公告)号:CN111460953B
公开(公告)日:2021-05-18
申请号:CN202010221886.8
申请日:2020-03-26
申请人: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
摘要: 一种基于对抗域自适应学习的心电信号分类方法,使用多尺度特征提取模块提取的特征是高度域不变的,减少了域间差异,源域样本训练的模型也可以在目标域上更好的应用,网络训练结束后,保存最优模型,将新的心拍样本输入到保存的最优模型中,获得最终分类效果。使用多特征提取器可以增加特征的丰富性,更加全面的提取心电信号的细节信息,同时使用对抗域自适应学习的方法,可改善不同域样本分布不同的现象,获得高度概括源域样本和目标域样本之间的域不变特征,通过这些特征训练一个对目标域高度适用的分类模型,可提高数据分布不同的跨域心电信号的分类精度。
-
公开(公告)号:CN116509415B
公开(公告)日:2024-01-26
申请号:CN202310431752.2
申请日:2023-04-21
申请人: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
摘要: 一种基于信号分量的单元化形态学特征的降噪方法,对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别,并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显,可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好,对不同类型的心电信号降噪性能同样有效。
-
公开(公告)号:CN116509415A
公开(公告)日:2023-08-01
申请号:CN202310431752.2
申请日:2023-04-21
申请人: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
摘要: 一种基于信号分量的单元化形态学特征的降噪方法,对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别,并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显,可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好,对不同类型的心电信号降噪性能同样有效。
-
公开(公告)号:CN111460953A
公开(公告)日:2020-07-28
申请号:CN202010221886.8
申请日:2020-03-26
申请人: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
摘要: 一种基于对抗域自适应学习的心电信号分类方法,使用多尺度特征提取模块提取的特征是高度域不变的,减少了域间差异,源域样本训练的模型也可以在目标域上更好的应用,网络训练结束后,保存最优模型,将新的心拍样本输入到保存的最优模型中,获得最终分类效果。使用多特征提取器可以增加特征的丰富性,更加全面的提取心电信号的细节信息,同时使用对抗域自适应学习的方法,可改善不同域样本分布不同的现象,获得高度概括源域样本和目标域样本之间的域不变特征,通过这些特征训练一个对目标域高度适用的分类模型,可提高数据分布不同的跨域心电信号的分类精度。
-
公开(公告)号:CN110755069A
公开(公告)日:2020-02-07
申请号:CN201911027439.2
申请日:2019-10-25
申请人: 山东省计算中心(国家超级计算济南中心)
IPC分类号: A61B5/0452
摘要: 一种跳跃突变噪声的动态心电信号基线漂移校正方法,通过准确检测心电信号中包含的跳跃突变区域,并分段单独处理,可以改善传统滤波方法处理该类区域时基线提取不准确导致的心电信号变形问题。适用于各种含有基线漂移的心电信号的基线漂移校正处理,尤其是可穿戴式的动态心电信号。得到的基线漂移校正信号的波形明显优于其他方法。
-
公开(公告)号:CN110755069B
公开(公告)日:2020-10-16
申请号:CN201911027439.2
申请日:2019-10-25
申请人: 山东省计算中心(国家超级计算济南中心)
IPC分类号: A61B5/0452
摘要: 一种跳跃突变噪声的动态心电信号基线漂移校正方法,通过准确检测心电信号中包含的跳跃突变区域,并分段单独处理,可以改善传统滤波方法处理该类区域时基线提取不准确导致的心电信号变形问题。适用于各种含有基线漂移的心电信号的基线漂移校正处理,尤其是可穿戴式的动态心电信号。得到的基线漂移校正信号的波形明显优于其他方法。
-
-
公开(公告)号:CN112006679B
公开(公告)日:2021-08-03
申请号:CN202010891751.2
申请日:2020-08-28
申请人: 山东省人工智能研究院
摘要: 一种基于窗口方差变换的穿戴式心电信号R波检测方法,通过窗口方差变换抑制对R波检测影响最大的幅值的噪声和波形,利用自适应更新的阈值和RR间期实现了高准确率、抗干扰性强的实时R波检测方法,以信号原始波形形态为出发点,提取了能更好的表示原始信号的特征,适用于多类心电信号的R波检测。有效抑制对R波检测有干扰的大幅值噪声的影响,可以改善传统基于阈值的方法在检测R波时因噪声幅值较大而导致的误检测率上升的问题,适用于各种包含混合叠加噪声的心电信号的R检测,尤其是穿戴式动态心电信号。
-
公开(公告)号:CN113095238A
公开(公告)日:2021-07-09
申请号:CN202110408665.6
申请日:2021-04-15
申请人: 山东省人工智能研究院
摘要: 一种基于联邦学习的个性化心电信号监测方法,将由云端训练的初始化模型拆分为基础特征提取网络和个性化分类网络两部分,仅采用联邦策略训练由多个终端上传的基础特征提取网络。由于每个终端仅上传部分模型参数,可以防止恶意人员通过整个模型参数恢复原始数据。通过联邦策略进行模型训练相比被动顺序参数更新具有更高的通信效率。为了更好的学习个体的个性化特征,提高分类模型的准确性,多个终端通过协同训练基础特征提取网络充分学习基础特征,个性化分类网络只保留在终端用于个性化特征的提取。当新个体加入时,基础特征提取网络可以直接用作新个体的基础特征提取部分,并且只需要少量个体数据就可以获得个性化的心电信号监测模型。
-
-
-
-
-
-
-
-
-