-
公开(公告)号：CN118349857A
公开(公告)日：2024-07-16
申请号：CN202410610374.9
申请日：2024-05-16
申请人： 郑州大学
IPC分类号： G06F18/214 , G06F18/2433 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0895 , A61B5/349 , A61B5/352 , A61B5/00 , G06F123/02
摘要： 本发明涉及心电数据处理技术领域，尤其涉及一种弱监督异常心拍检测方法及系统，该方法包括对心电信号进行基于降采样和归一化的预处理；构建多尺度特征融合与注意力机制模块以获取权重系数矩阵；构建伪标签生成与实例选择模块，通过权重系数矩阵生成伪标签并选择关键实例以辅助心拍级别预测模型进行训练；通过伪标签生成与实例选择模块训练心拍级别预测模型，该预测模型是一个实例级分类模型，利用该预测模型识别心电信号中的异常心拍。本发明可以在无心拍标注场景下，有效学习心电信号中各心拍的特征，并鲁棒的检测出异常心拍，提高心电信号中异常心拍的识别准确性和灵敏度。
-
公开(公告)号：CN118845028A
公开(公告)日：2024-10-29
申请号：CN202410908948.0
申请日：2024-07-08
申请人： 郑州大学
IPC分类号： A61B5/318 , G06F18/2433 , G06F18/241 , G06F18/214 , G06F18/22 , G06N3/0464 , G06N3/0895 , A61B5/346 , A61B5/00
摘要： 本发明涉及心电信号分类、多标签学习、半监督学习、伪标签学习和表征学习技术领域，特别涉及一种半监督多标签心电异常事件识别方法及系统，利用有标记心电数据预训练教师心电分类模型，随后对心电数据进行数据增广；基于预训练后的教师模型提取弱增广后的数据集的特征和预测向量作为元素，以此构建特征‑标签记忆模块；基于全局和局部类别相关性，伪标签生成模块生成无标记心电数据伪标签；基于双边界阈值策略，伪标签筛选模块筛选出高质量伪标签；利用心电一致性学习模块学习心电数据的类内特征。本发明在有标记心电数据样本量稀疏的场景下，可以有效识别各类心电异常事件。
-
公开(公告)号：CN115429286B
公开(公告)日：2023-06-16
申请号：CN202211241397.4
申请日：2022-10-11
申请人： 郑州大学 , 河南云心电网络科技有限公司 , 云心电网络科技(上海)有限公司
IPC分类号： A61B5/318 , A61B5/346 , A61B5/00 , G06F18/10 , G06F18/241 , G06F18/214 , G06N3/0895 , G06N3/094
摘要： 本发明涉及心电数据处理、深度学习、对比学习和对抗学习技术领域，具体涉及一种心电表征自监督学习方法，包括以下步骤：步骤1，基于增噪处理和滤波处理实现心电数据转换处理，心电数据转换处理分为预处理阶段、增噪处理阶段和滤波处理阶段；步骤2，基于对抗学习构建编码器与判别器对抗任务，通过构建心电表征自监督学习模型的对抗学习模块，以实现编码器和判别器的对抗任务；步骤3，基于回归网络构建心电时空回归任务，通过构建心电表征自监督学习模型的回归模块，以实现心电数据时空回归任务；步骤4，基于对比学习构建患者对比任务，构建心电表征自监督学习模型的对比学习模块，以实现患者对比任务。
-
公开(公告)号：CN115429286A
公开(公告)日：2022-12-06
申请号：CN202211241397.4
申请日：2022-10-11
申请人： 郑州大学 , 河南云心电网络科技有限公司 , 云心电网络科技(上海)有限公司
摘要： 本发明涉及心电数据处理、深度学习、对比学习和对抗学习技术领域，具体涉及一种心电表征自监督学习方法，包括以下步骤：步骤1，基于增噪处理和滤波处理实现心电数据转换处理，心电数据转换处理分为预处理阶段、增噪处理阶段和滤波处理阶段；步骤2，基于对抗学习构建编码器与判别器对抗任务，通过构建心电表征自监督学习模型的对抗学习模块，以实现编码器和判别器的对抗任务；步骤3，基于回归网络构建心电时空回归任务，通过构建心电表征自监督学习模型的回归模块，以实现心电数据时空回归任务；步骤4，基于对比学习构建患者对比任务，构建心电表征自监督学习模型的对比学习模块，以实现患者对比任务。
-
-
-
搜索结果
4 条记录 (耗时 0.02 秒)
