一种房颤检测方法、装置及设备
    31.
    发明公开

    公开(公告)号:CN116058849A

    公开(公告)日:2023-05-05

    申请号:CN202211102732.2

    申请日:2022-09-09

    Applicant: 苏州大学

    Abstract: 本发明涉及一种房颤检测方法,包括获取心电信号,利用带通滤波器对心电信号去噪,根据去噪后心电信号中R峰的位置生成RR间期长度序列图并输入到预先训练好的U‑Net网络中进行预测,输出RR间期波标签图作为预测结果。本发明提供的房颤检测方法基于RR间期和U‑Net卷积神经网络,U‑Net网络是端到端的卷积神经网络,利用U‑Net网络预测,预测前只需对心电信号去噪,获取RR间期波长度序列图,不需要提取更高级的特征,预处理过程简便;在不需要做心拍分离的情况下将每个心拍的检测结果映射到原始的心电信号中,实现高细粒度分类水平的房颤检测,有效提高自动房颤检测的效率与准确性。

    一种心律失常的检测方法、装置及设备

    公开(公告)号:CN114652323B

    公开(公告)日:2023-03-21

    申请号:CN202210181410.5

    申请日:2022-02-25

    Applicant: 苏州大学

    Abstract: 本发明涉及一种心律失常的检测方法,本发明通过采集心电信号,提取心电信号的R峰,根据心电信号的R峰计算心电信号每个心拍的RR期间值;根据心电信号每个心拍的RR期间值生成辅助波形;将辅助波形和心电信号输入至心电信号检测网络中进行识别,输出心电信号中每个心拍的识别结果。本发明通过将心电信号的RR期间值转化为辅助波形并融入到心拍分类中,能够有效提高心律失常检测的准确性和基于人工智能心电诊断系统的疾病检测性能。

    一种心律失常的检测方法、装置及设备

    公开(公告)号:CN114652323A

    公开(公告)日:2022-06-24

    申请号:CN202210181410.5

    申请日:2022-02-25

    Applicant: 苏州大学

    Abstract: 本发明涉及一种心律失常的检测方法,本发明通过采集心电信号,提取心电信号的R峰,根据心电信号的R峰计算心电信号每个心拍的RR期间值;根据心电信号每个心拍的RR期间值生成辅助波形;将辅助波形和心电信号输入至心电信号检测网络中进行识别,输出心电信号中每个心拍的识别结果。本发明通过将心电信号的RR期间值转化为辅助波形并融入到心拍分类中,能够有效提高心律失常检测的准确性和基于人工智能心电诊断系统的疾病检测性能。

    基于改进的一维U-net的单导心电图信号特征波形检测方法

    公开(公告)号:CN110353665B

    公开(公告)日:2022-03-11

    申请号:CN201910749358.7

    申请日:2019-08-14

    Applicant: 苏州大学

    Abstract: 本发明公开了一种基于改进的一维U‑net的单导心电图信号特征波形检测方法。本发明基于改进的一维U‑net的单导心电图信号特征波形检测方法,包括:S1.数据准备:准备的心电信号数据采样率为500HZ,心电信号的输入长度固定为统一长度,并给心电信号增加不同程度的高斯白噪声与脉冲噪声,对心电信号进行不同程度的缩放。本发明的有益效果:1.本方法无需人工设计特征,本方法使用的U‑net中使用的参数皆为自动学习得到;2.本方法在定位P波或是T波边界点时无需预先定位R波或是QRS波群,P波、T波的边界点定位与QRS波群的边界点定位是同时进行的。

    一种房颤信号生成方法及系统

    公开(公告)号:CN113974644A

    公开(公告)日:2022-01-28

    申请号:CN202111425350.9

    申请日:2021-11-26

    Applicant: 苏州大学

    Abstract: 本发明公开了一种房颤信号生成方法及系统,包括以下步骤:获取采样率与输入长度相同的房颤信号和正常心电信号,并进行预处理;分别制作房颤信号和正常心电信号中T波终点至下一个心电周期的QRS波起点位置的标签;利用标签对房颤信号的房颤波和正常心电信号中相应位置依次进行截取;计算处理后的正常心电信号需要插入的房颤波数量,从n条房颤波中随机挑选所需数量房颤波依次填充入正常心电信号截断位置,得到合成的房颤信号。本发明生成的房颤信号可信度高,能够满足现阶段心电信号自动分析模型的训练需求,有效地缓解房颤心电信号数据量不足、数据量不均衡等相关问题。

    一种摔倒检测、呼救及定位装置

    公开(公告)号:CN108961676A

    公开(公告)日:2018-12-07

    申请号:CN201810667033.X

    申请日:2018-06-26

    Applicant: 苏州大学

    Abstract: 一种摔倒检测、呼救及定位装置,包括:多功能拐杖以及压力检测鞋垫,其中,所述多功能拐杖包括加速度传感器以及高度传感器;所述压力检测鞋垫包括压力传感器。当所述加速度超过第一阈值、所述高度变化的速率超过第二阈值、所述压力小于所述第三阈值时,检测三者发生的最大时间间隔是否小于第四阈值;若小于第四阈值,则由所述拐杖发出呼救信息和定位信息。本发明的优点是,既可以手动报警,也可以在摔倒时自动触发报警,在自动触发报警过程中,通过根据多种传感器获得的数据对摔倒检测的结果进行判断,从而大大降低了误报警的概率。此外,本发明装置还包括,定位功能、语音功能、收音机功能、储物功能等多种功能,提高了其实用性。

    一种可植入衣物的定位装置及方法

    公开(公告)号:CN108257363A

    公开(公告)日:2018-07-06

    申请号:CN201711376420.X

    申请日:2017-12-19

    Applicant: 苏州大学

    Inventor: 王丽荣 朱文亮

    CPC classification number: G08B25/016 G01S19/42 H04W64/00

    Abstract: 一种可植入衣物的定位装置,包括:外壳、主板、电池、天线、按键,所述电池为所述天线、所述主板和主板上所有硬件供电,其中主板、天线、电池、按键组成机芯,所述外壳完全包裹在机芯外面,其特征在于,所述外壳为柔性绝缘材料制成,其中按键能够通过无线通讯对主板中控制模块进行编程,使得按键实现多种功能。本发明的优点在于:(1)装置成条形,柔软、轻薄、可弯曲。其中,条状外形,给天线预留了很大的空间,有效的增强了信号的采集能力。(2)机芯被完全包裹,使得机芯与外界完全隔离,具有很高的防水性。(3)能插入衣物的夹层内,隐藏性强。(4)本装置具有按键并可通过按键实现多功能。

    基于卷积神经网络的QT间期延长识别方法及系统

    公开(公告)号:CN115590524B

    公开(公告)日:2024-09-24

    申请号:CN202211116660.7

    申请日:2022-09-14

    Applicant: 苏州大学

    Abstract: 本发明涉及一种基于卷积神经网络的QT间期延长识别方法,包括采集受试者的心电图,对心电信号进行预处理;对预处理后的心电信号进行波形检测,得到波形检测结果;根据波形检测结果计算QTc值;利用卷积神经网络和注意力机制构建QT间期延长识别模型,并使用数据训练QT间期延长识别模型;使用训练好的QT间期延长识别模型对未知QT间期状态的信号进行预测,实现QT间期延长的识别。本发明利用残差网络结构结合注意力机制的算法实现QT间期延长的识别,有效降低了模型的复杂度,避免由于波形定位的准确性影响QT间期延长识别精度的问题,同时实现了端到端的识别,省去了中间环节的人为参与,提升了辅助诊断的便捷性。

    一种可穿戴血压数据采集装置

    公开(公告)号:CN116392090B

    公开(公告)日:2024-09-20

    申请号:CN202310248258.2

    申请日:2023-03-15

    Applicant: 苏州大学

    Abstract: 本发明涉及一种可穿戴血压数据采集装置,包括:心电采集主机,其穿戴在人体胸口处,所述心电采集主机能够采集心电信号;蓝牙指套从机,其穿戴在人体的指尖处,所述蓝牙指套能够采集脉搏波信号,所述蓝牙指套与心电采集主机通过蓝牙连接以实现信息交互;上位机,其与心电采集主机进行电信号连接,所述上位机对采集的心电信号和脉搏波信号进行分析与处理,获得电压值;其中,所述心电采集主机和蓝牙指套从机在同一时刻进行信号采集,存储获得同步的心电信号和脉搏波信号。其采集到的信号质量高,测算结果精准,便于贴身佩戴,使用方便,在任意姿态下都可以长时间使用。

    基于卷积神经网络的QT间期延长识别方法及系统

    公开(公告)号:CN115590524A

    公开(公告)日:2023-01-13

    申请号:CN202211116660.7

    申请日:2022-09-14

    Abstract: 本发明涉及一种基于卷积神经网络的QT间期延长识别方法,包括采集受试者的心电图,对心电信号进行预处理;对预处理后的心电信号进行波形检测,得到波形检测结果;根据波形检测结果计算QTc值;利用卷积神经网络和注意力机制构建QT间期延长识别模型,并使用数据训练QT间期延长识别模型;使用训练好的QT间期延长识别模型对未知QT间期状态的信号进行预测,实现QT间期延长的识别。本发明利用残差网络结构结合注意力机制的算法实现QT间期延长的识别,有效降低了模型的复杂度,避免由于波形定位的准确性影响QT间期延长识别精度的问题,同时实现了端到端的识别,省去了中间环节的人为参与,提升了辅助诊断的便捷性。

Patent Agency Ranking