-
公开(公告)号：CN113749666A
公开(公告)日：2021-12-07
申请号：CN202111067176.5
申请日：2021-09-10
申请人： 郑州大学 , 云心电网络科技(上海)有限公司 , 河南云心电网络科技有限公司
摘要： 本发明提供一种一种基于融合心室规则特征与XGBoost的心肌梗死分类方法，将采集的12导联心电信号采用小波变换去噪，然后通过墨西哥冒基函数对去噪后的心电信号进行小波分解；将处理后的心电信号进行特征提取，提取Q波、ST‑T段形态特征作为规则特征组，同时提取QT段形态特征作为心室活动特征；将提取到的QT段形态特征采用离散小波变化、主成分分析、局部保留投影三种方式进行压缩变换；将提取的规则特征组、压缩样本中的任一种或两者的融合特征输入到XGBoost模型中进行心电分类；采用本发明体用的方法对心电信号进行心肌梗死分离，准确率达99.6％以上。
-
公开(公告)号：CN113749666B
公开(公告)日：2023-10-27
申请号：CN202111067176.5
申请日：2021-09-10
申请人： 郑州大学 , 云心电网络科技(上海)有限公司 , 河南云心电网络科技有限公司
摘要： 本发明提供一种一种基于融合心室规则特征与XGBoost的心肌梗死分类方法，将采集的12导联心电信号采用小波变换去噪，然后通过墨西哥冒基函数对去噪后的心电信号进行小波分解；将处理后的心电信号进行特征提取，提取Q波、ST‑T段形态特征作为规则特征组，同时提取QT段形态特征作为心室活动特征；将提取到的QT段形态特征采用离散小波变化、主成分分析、局部保留投影三种方式进行压缩变换；将提取的规则特征组、压缩样本中的任一种或两者的融合特征输入到XGBoost模型中进行心电分类；采用本发明体用的方法对心电信号进行心肌梗死分离，准确率达99.6％以上。
-
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 0.066 秒)
