-
公开(公告)号：CN113616216B
公开(公告)日：2024-02-27
申请号：CN202111067110.6
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： 本发明涉及一种基于BiLSTM‑Treg的心电信号分类方法，包括建立BiLSTM‑Treg神经网络模型、采集心电信号、对数据进行预处理、进行心电信号的分类的步骤；本发明首先对数据进行预处理，滤除心电信号中的噪声，并将心电信号以心搏为单位划分，其次，将连续的单心搏组合成心搏段，使得心搏间的节律信息得以保留；然后进行模型的搭建与优化，最后进行心搏分类；本发明通过构建融合心搏间节律信息的时序BiLSTM‑Treg神经网络模型，并利用树正则化方法进行优化，提高了神经网络模型的泛化能力，提高了心搏分类的准确率。
-
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。
-
公开(公告)号：CN113229825A
公开(公告)日：2021-08-10
申请号：CN202110690012.1
申请日：2021-06-22
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： 本发明提供一种基于深度神经网络的多标签多导联心电图分类方法，将原始心电信号经过预处理为12导联信号输入到多尺度残差网络模型中进行处理分类，多尺度残差网络模型包括特征融合部分以及多尺度特征融合部分；特征融合部分包括卷积层以及第一最大池化层，多尺度特征融合部分包括32层卷积网络层以及全连接层，全连接层包括两个第二最大池化层，卷积层与第一最大池化层之间、每个分支的32层卷积层与第二最大池化层之间均依次设置通道空间注意力机制模块；本发明提供的多标签多导联心电图分类方法中的多尺度残差网络模型具有良好的表现性能，并且具有良好的泛化性能。
-
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：CN113616216A
公开(公告)日：2021-11-09
申请号：CN202111067110.6
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： 本发明涉及一种基于BiLSTM‑Treg的心电信号分类方法，包括建立BiLSTM‑Treg神经网络模型、采集心电信号、对数据进行预处理、进行心电信号的分类的步骤；本发明首先对数据进行预处理，滤除心电信号中的噪声，并将心电信号以心搏为单位划分，其次，将连续的单心搏组合成心搏段，使得心搏间的节律信息得以保留；然后进行模型的搭建与优化，最后进行心搏分类；本发明通过构建融合心搏间节律信息的时序BiLSTM‑Treg神经网络模型，并利用树正则化方法进行优化，提高了神经网络模型的泛化能力，提高了心搏分类的准确率。
-
公开(公告)号：CN113317796A
公开(公告)日：2021-08-31
申请号：CN202110690011.7
申请日：2021-06-22
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： 本发明提供一种基于智能仿真建模的心电自动诊断方法，所述心电自动诊断方法包括以下步骤：S1、心电信号的预处理，利用窗口长度为0.5*sr+1的快速种植滤波器去除基线偏移，其中sr为采样率，利用快速小波变换去除高频噪声；S2、波形定位，基于小波变换的全自动检测心电波形算法，分别对QRS起始点、终点，P波与T波的起点、终点和峰值，Q波、R波、S波三个波峰的位置进行定位，并将每个导联的心拍个数根据II导联统一起来；在对QRS起始点、终点进行定位时，对心电信号进行二次去除高频噪声处理；S3、特征提取，对心电诊断所需的相关特征进行提取；S4、心电诊断，使用规则方法将医生诊断的思维转换成心电图特征描述以诊断心电疾病；得到的铝合金基材具有良好的电导率。
-
公开(公告)号：CN112450944A
公开(公告)日：2021-03-09
申请号：CN202011459650.4
申请日：2020-12-11
申请人： 郑州大学 , 河南云心电网络科技有限公司
摘要： 本发明公开了一种标签相关性引导特征融合的心电图多分类预测系统与方法。系统包括：标签粗糙分类模块，用于根据历史数据中心电图异常标签出现频率，确定心电图标签第一优先级组以及剩余心电图标签集合；标签相关性分析模块与标签精细分类模块，用于进行标签相关性分析，将剩余心电图标签集合划分为多个心电图标签优先级组；原始特征提取模块，用于利用神经网络主体结构对输入的心电图进行特征提取得到原始特征张量；心电图多分类预测模块，用于进行心电图分类。利用本发明，大大提高了心电图分类准确率。
-
公开(公告)号：CN112450944B
公开(公告)日：2022-10-21
申请号：CN202011459650.4
申请日：2020-12-11
申请人： 郑州大学 , 河南云心电网络科技有限公司
摘要： 本发明公开了一种标签相关性引导特征融合的心电图多分类预测系统与方法。系统包括：标签粗糙分类模块，用于根据历史数据中心电图异常标签出现频率，确定心电图标签第一优先级组以及剩余心电图标签集合；标签相关性分析模块与标签精细分类模块，用于进行标签相关性分析，将剩余心电图标签集合划分为多个心电图标签优先级组；原始特征提取模块，用于利用神经网络主体结构对输入的心电图进行特征提取得到原始特征张量；心电图多分类预测模块，用于进行心电图分类。利用本发明，大大提高了心电图分类准确率。
-
-
-
-
-
-
-
-
-
搜索结果
131 条记录 (耗时 0.102 秒)
