-
公开(公告)号：CN114176549B
公开(公告)日：2024-04-16
申请号：CN202111590892.1
申请日：2021-12-23
Applicant: 杭州电子科技大学
IPC: A61B5/024 , A61B5/00 , G06F18/2413 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/082
Abstract: 本发明公开基于生成式对抗网络的胎心率信号数据增强方法和装置。采用微步幅卷积和步长卷积设计生成器和鉴别器，构建基于深度卷积神经网络结构的GAN模型；采用基于带有梯度惩罚的Wasserstein距离来度量实采FHR样本和仿真数据之间的距离，优化模型目标函数；建立基于类别约束的辅助分类器，并利用其对GAN模型的模型参数进行反向更新操作；将采集到的不完整FHR信号、满足标准正态分布的噪声数据、以及真实FHR样本的类别标签作为模型的输入，输入到优化后的GAN模型中，生成仿真FHR数据，以实现胎心率信号的数据增强。
-
公开(公告)号：CN114176549A
公开(公告)日：2022-03-15
申请号：CN202111590892.1
申请日：2021-12-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于生成式对抗网络的胎心率信号数据增强方法和装置。采用微步幅卷积和步长卷积设计生成器和鉴别器，构建基于深度卷积神经网络结构的GAN模型；采用基于带有梯度惩罚的Wasserstein距离来度量实采FHR样本和仿真数据之间的距离，优化模型目标函数；建立基于类别约束的辅助分类器，并利用其对GAN模型的模型参数进行反向更新操作；将采集到的不完整FHR信号、满足标准正态分布的噪声数据、以及真实FHR样本的类别标签作为模型的输入，输入到优化后的GAN模型中，生成仿真FHR数据，以实现胎心率信号的数据增强。
-
Patent Agency Ranking
公开(公告)号：CN112215196A
公开(公告)日：2021-01-12
申请号：CN202011159543.X
申请日：2020-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种心电身份识别方法。它包括以下步骤：采集人体的心电(Electrocardiogram，ECG)信号；对采集到的ECG信号进行预处理，得到干净的短周期ECG信号；对短周期ECG信号进行广义S变换，提取相位域特征矢量Y1、时域特征矢量Y2、频域特征矢量Y3；将相位域特征矢量Y1、时域特征矢量Y2、频域特征矢量Y3输入稀疏性约束的非线性逼近模型，获取最优字典及相应的最优稀疏系数矩阵，对最优稀疏系数矩阵进行轻量化处理后得到稀疏系数向量；将稀疏系数向量输入到训练好的基于双向长短期记忆网络的深度神经网络模型进行身份识别。本发明从原始ECG心电信号中提取多模态特征矢量作为深度神经网络的输入向量，提高了识别精度，加快了识别速率。
-
公开(公告)号：CN112307996B
公开(公告)日：2024-04-02
申请号：CN202011226668.X
申请日：2020-11-05
Applicant: 杭州电子科技大学
IPC: G06F18/10 , G06F18/214 , G06N3/0464 , G06N3/094 , G06N3/096 , G06F21/32 , G06F17/14
Abstract: 本发明公开了一种指尖心电身份识别装置及方法。该装置包括指尖心电信号采集模块、信号调理电路、控制器和蓝牙通讯模块，所述指尖心电信号采集模块的输出端与信号调理电路的输入端电连接，所述信号调理电路的输出端与控制器电连接，所述控制器还与蓝牙通讯模块电连接。该方法采集人体指尖的指尖ECG信号，对指尖ECG信号进行预处理后输入至指尖心电身份识别模型，指尖心电身份识别模型进行身份识别，输出对应身份信息，指尖心电身份识别模型基于深度卷积神经网络GoogLeNet进行两次深度模型迁移后得到。本发明采集指尖ECG信号进行身份识别，既保证了心电采集过程的稳定性，也实现了小样本下的便捷舒适识别。
-
公开(公告)号：CN114861706A
公开(公告)日：2022-08-05
申请号：CN202210359234.X
申请日：2022-04-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于质量评估和深度迁移学习的心电身份识别方法。首先，提出基于SVM的心电信号质量评估算法，对原始心电信号进行三种不同质量等级的分类；其次，提出基于小波变换去噪算法对“可疑”信号进行去噪处理，从而获得去噪后的“合格”信号；然后，利用广义S变换对“合格”信号和去噪后的“合格”信号进行时频域分析将一维心电信号转化为二维ECG轨迹图作为模型输入；最后，通过对原始GoogleNet网络模型的改进和优化，构建基于GoogleNet的二次深度迁移识别模型；选用网络层较深的GoogleNet模型进行基于心电信号的迁移学习识别训练，在提高识别准确率的同时也减少了识别认证时间。
-
公开(公告)号：CN110269625B
公开(公告)日：2022-02-11
申请号：CN201910469207.6
申请日：2019-05-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种新型的多特征融合的心电认证方法。本发明首次将希尔伯特谱图和决策层的多特征融合应用于心电的认证方法，选取了通过EEMD、希尔伯特谱变换和希尔伯特谱分析得到包括心电信号的时域、频域和能量的综合特征的希尔伯特谱图，然后通过二维CNN认证系统、一维CNN认证系统分别对心电信号认证计算各自的匹配分数，然后决策层融合，作出最终的认证决策，最终得到更高鲁棒性和泛化能力的完整心电认证系统。
-
公开(公告)号：CN222853865U
公开(公告)日：2025-05-13
申请号：CN202421082217.7
申请日：2024-05-17
Applicant: 杭州电子科技大学
Abstract: 本实用新型公开一种基于STM32的脉搏心电数据同步采集系统，包括主控模块、心电信号采集模块、脉搏信号采集模块、电源管理模块，所述主控模块包括控制器、晶振电路、复位电路、ST‑LINK下载电路和BOOT电路；所述心电信号采集模块包括依次连接的干电极、指尖心电滤波电路和心电处理芯片，所述心电处理芯片的信号输出端与所述控制器的信号输入端相连；所述脉搏信号采集模块包括依次连接的绿色发光二极管、光接收器、滤波电路和放大电路，所述电源管理模块为主控模块、心电信号采集模块、脉搏信号采集模块供电。本实用新型能够实现心电信号和脉搏信号的同步采集，使得采集过程更加简单快捷。
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
