-
公开(公告)号：CN113171102B
公开(公告)日：2022-09-02
申请号：CN202110376948.7
申请日：2021-04-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于持续深度学习的ECG数据分类方法，具体为：获取采样率分别为128Hz和360Hz的ECG数据，对ECG数据进行预处理；构建卷积神经网络模型，并设置模型的超参数；利用构建的卷积神经网络模型结合EWC方法对采样率为128Hz的心拍样本进行训练并测试，得到第一次训练好的卷积神经网络模型；利用第一次训练好的卷积神经网络模型结合EWC方法对采样率为360Hz的心拍样本进行训练并测试，得到ECG数据分类模型；利用采样率为128Hz的心拍样本对ECG数据分类模型进行测试；采用ECG数据分类模型对待分类的ECG数据进行分类，得到分类结果。本发明能够对两种不同采样率的心电数据进行自动、高效、准确地分类心拍类型，进一步提高分类精度，加强模型的泛化能力。
-
公开(公告)号：CN113171102A
公开(公告)日：2021-07-27
申请号：CN202110376948.7
申请日：2021-04-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于持续深度学习的ECG数据分类方法，具体为：获取采样率分别为128Hz和360Hz的ECG数据，对ECG数据进行预处理；构建卷积神经网络模型，并设置模型的超参数；利用构建的卷积神经网络模型结合EWC方法对采样率为128Hz的心拍样本进行训练并测试，得到第一次训练好的卷积神经网络模型；利用第一次训练好的卷积神经网络模型结合EWC方法对采样率为360Hz的心拍样本进行训练并测试，得到ECG数据分类模型；利用采样率为128Hz的心拍样本对ECG数据分类模型进行测试；采用ECG数据分类模型对待分类的ECG数据进行分类，得到分类结果。本发明能够对两种不同采样率的心电数据进行自动、高效、准确地分类心拍类型，进一步提高分类精度，加强模型的泛化能力。
-
公开(公告)号：CN112686091B
公开(公告)日：2024-02-23
申请号：CN202011319283.8
申请日：2020-11-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度神经网络的两步骤心律失常分类方法。属于计算机、软件类领域；具体步骤：1、预处理；2、初始化；3、Bi‑LSTM分类N，SV,F和Q；4、GAN生成不平衡心跳数据；5、Bi‑LSTM分类S和V；本发明适用于收集到的ECG心跳数据不足的心律失常的分类；可以保证较高的分类准确率；此外采用的两步骤分类框架充分考虑了医学事实，因此本发明可以保证较高的分类准确率，具有实际意义。(56)对比文件Le Sun等.BeatClass：A sustainable ECGclassification system in IoT-basedeHealth《.IEEE Internet of ThingsJournal》.2022,第9卷(第10期),第7178-7195页.王逸琳.类不平衡条件下的心电图心跳分类算法的研究《.中国优秀硕士学位论文全文数据库 医药卫生科技辑》.2023,第2023卷(第01期),第E060-14页.
-
公开(公告)号：CN112686091A
公开(公告)日：2021-04-20
申请号：CN202011319283.8
申请日：2020-11-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度神经网络的两步骤心律失常分类方法。属于计算机、软件类领域；具体步骤：1、预处理；2、初始化；3、Bi‑LSTM分类N，SV,F和Q；4、GAN生成不平衡心跳数据；5、Bi‑LSTM分类S和V；本发明适用于收集到的ECG心跳数据不足的心律失常的分类；可以保证较高的分类准确率；此外采用的两步骤分类框架充分考虑了医学事实，因此本发明可以保证较高的分类准确率，具有实际意义。
-
-
-
Search Results
4
records
(took 0.029 seconds)
