公开(公告)号：CN119655770A

公开(公告)日：2025-03-21

申请号：CN202411551825.2

申请日：2024-11-01

Applicant: 华中科技大学同济医学院附属同济医院

Inventor： 樊静静 ,  杨晓云 ,  左萍 ,  阮晨 ,  黎泳娥

IPC: A61B5/366 ,  A61B5/349 ,  A61N1/365

Abstract: 一种CRT的V‑V间期优化方法、装置、设备及存储介质，所述方法包括：获取目标的心电图数据；根据心电图数据，得到目标的总QRS时间，胸前V2、V5导联的QRS波起始至类本位曲折的第一时间差值，以及肢体导联aVL的QRS波起始至类本位曲折的第二时间差值；根据第一时间差值与总QRS时间的第一比值，以及第二时间差值与总QRS时间的第二比值，判断目标心脏的收缩同步性是否需要优化；若需要优化，向降低第一比值和第二比值的方向优化CRT的V‑V间期。最终，实现通过常规十二导联心电图即可对CRT的V‑V参数进行优化，提高了心电图检查的价值及CRT优化的效率。

公开(公告)号：CN116158767A

公开(公告)日：2023-05-26

申请号：CN202211500915.X

申请日：2022-11-28

Applicant: 华中科技大学

Inventor： 袁烨 ,  章龙鉴杰 ,  杨晓云 ,  程骋 ,  张润花 ,  江一诺 ,  冯宽 ,  陆思天

IPC: A61B5/318 ,  A61B5/346 ,  A61B5/352 ,  A61B5/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的迷走性神经晕厥VVS预警方法和系统，属于深度学习网络技术领域，所述方法包括：对患者心电图中的原始RR间隙数据进行预处理；利用A期检测模型检测RR间隙下降期中异常下降并进行第一阶段预警，利用B期检测模型检测RR间隙上升期中异常上升并进行第二阶段预警，以确定异常位置对应的预警点；将预警点到RR间隙序列的最小值点构成的RR间隙序列输入训练好的时序预测网络预测间隙变化量从而生成预警信息，以表征晕厥发生时刻距离预警点的心跳周期数。本发明基于深度学习搭建迷走性神经晕厥的预测框架，接收RR间隙流数据进行检测能够在疾病发生前提前示警，解决了迷走性神经晕厥的预测精度低问题。

公开(公告)号：CN119993451A

公开(公告)日：2025-05-13

申请号：CN202411885316.3

申请日：2024-12-20

Applicant: 华中科技大学同济医学院附属同济医院

Inventor： 朱红玲 ,  张娜纳 ,  尹荷 ,  郑添元 ,  曾和松 ,  程骋 ,  杨晓云 ,  何心 ,  曹武炫

IPC: G16H50/20 ,  G16H50/70

Abstract: 本申请提供了肺栓塞溶栓风险预测模型的配置方法、装置以及处理设备，用于在深度学习的基础上，提供了一个具体的肺栓塞溶栓风险预测模型配置方案，如此配置得到的肺栓塞溶栓风险预测模型对于血流动力学稳定的肺栓塞患者具有高度的针对性、适配性，相较于通用模型配置逻辑，可以精确地实现对于血流动力学稳定的肺栓塞患者的溶栓风险的预测，为临床决策提供高质量的数据辅助服务，进而促使降低治疗风险，获得高质量的医疗服务。

公开(公告)号：CN115281688A

公开(公告)日：2022-11-04

申请号：CN202210792806.3

申请日：2022-07-05

Applicant: 华中科技大学

Inventor： 袁烨 ,  江一诺 ,  程骋 ,  杨晓云 ,  朱红玲 ,  章龙鉴杰 ,  周子恒 ,  何心

IPC: A61B5/318 ,  A61B5/346 ,  A61B5/366 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多模态深度学习的心房心室肥大多标签检测系统，属于心电图上的心脏肥大检测领域。采用自适应小波阈值去噪、基于形态学特征的心拍分割、深度神经网络、多模态特征融合等方法，当下热门的计算机视觉技术迁移到心电信号分类上，通过将心电信号的时域特征、形态特征和病人个体信息融合，对四种心脏肥大和正常同时进行分类，搭建出一个基于多模态深度学习的多标签检测框架，从而解决了心电信号在心脏肥大检测上的准确率差和泛化能力差的问题，实现了基于心电图的心脏肥大准确监测，可用于临床诊断。

公开(公告)号：CN112826513A

公开(公告)日：2021-05-25

申请号：CN202110005160.5

申请日：2021-01-05

Applicant: 华中科技大学

Inventor： 袁烨 ,  薛博阳 ,  程骋 ,  黄程 ,  朱红玲 ,  杨晓云 ,  张永 ,  艾晨芳

IPC: A61B5/344 ,  A61B5/349

Abstract: 本发明公开了一种基于深度学习和特异性矫正在FECG上胎儿心率检测系统，属于胎心心电图上的胎儿心率检测领域。本发明通过独立成分分析、深度神经网络、一维目标检测、特异性模型诊断等方法，由于卷积神经网络和循环神经网络在处理一维信号方面性能优越，本发明将当下热门的目标检测技术迁移到一维信号上搭建出一个全部基于深度学习的针对胎心心电图的完整检测框架，同时又使用一个特异性矫正模型消除个体差异从而解决机器学习应用到医学问题上经常出现的因病人个体差异导致的模型泛化能力差的问题，从而实现了基于胎心心电图的胎儿心率准确监测，可用于临床诊断。

公开(公告)号：CN111772626A

公开(公告)日：2020-10-16

申请号：CN202010641466.5

申请日：2020-07-06

Applicant: 华中科技大学

Inventor： 朱红玲 ,  吴寒 ,  杨晓云 ,  黄虹 ,  程骋

IPC: A61B5/0432 ,  A61B5/0472 ,  A61B5/0456 ,  A61B5/00

Abstract: 本发明属于医学心电图自动化记录和解读技术领域，具体公开了一种基于大数据算法的心电图记录模块，包括12个支路，每一个支路均包括依次设置的前置放大电路、高通滤波器、主放大电路、低通滤波器和模数转换器；模数转换器输出端均与微控制器相连，用于将全部导联的数字信号与预先设定的正常心电图标准进行比对，从而分析12导联是否正常。本发明通过对心电图记录模块的具体组件构成及它们的设置方式等进行改进，将常规12导联心电图的波形图片通过模数转换转化为基于数字信号的数据模型，将它们与预先设定的正常心电图标准进行比对，即可自动化的分析出心电图的正常和异常，避免人为读图带来的效率不高、可靠性较弱等问题。