-
公开(公告)号：CN114343666B
公开(公告)日：2023-09-26
申请号：CN202210032416.6
申请日：2022-01-12
Applicant: 东南大学
Abstract: 本发明公开了一种针对长程心电监测的阵发性房颤扫描方法，包括以下步骤：第一步：获取心电波形信号，对信号进行统一量纲处理；第二步：疑似房颤的定位，对信号进行特征点检测，提取RR间期，计算ΔRR间期，筛选疑似房颤，并排除部分早搏；第三步：房颤的粗略检测，计算RR间期特征来进一步确定房颤片段；第四步：房颤的精细检测，根据R峰位置截取1/2的房颤心跳，进行P波信息的量化，根据量化的P波信息进行房颤的仔细筛查；第五步：最后输出房颤的典型波形，以及房颤的发生频率和发生次数。房颤的发生频率和次数对房颤手术的选择、药物干预以及临床各种并发症的诊断和治疗具有重要价值，可以指导临床医生进行个性化的治疗方案。
-
公开(公告)号：CN116491954A
公开(公告)日：2023-07-28
申请号：CN202310524265.0
申请日：2023-05-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于融合神经网络的多标签多导联心律失常分类方法，具体步骤为：将原始心电信号经过预处理后输入到由卷积神经网络构成的心电局部特征提取模块进行多导联心电信号的局部显著性特征提取。将卷积神经网络提取到的浅层心电信号特征输入到循环神经网络构成的心电时序特征提取模块进行多导联心电信号的时序特征提取。融合心电局部显著性特征与心电时序特征，形成最终用于分类的心电特征。将融合后的心电特征输入线性分类层，输出多标签类别。使用推广至多标签场景的Softmax结合交叉熵损失函数，进行网络训练。本发明能同时提取心电信号的局部显著特征以及时序特征，并能缓解多标签数据集数据不平衡问题，具有良好的表现性能。
-
公开(公告)号：CN116269248A
公开(公告)日：2023-06-23
申请号：CN202211089923.X
申请日：2022-09-07
Applicant: 东南大学
IPC: A61B5/02 , A61B5/366 , A61B5/36 , A61B5/355 , A61B5/00 , G06F18/23213 , G06F18/2411 , G06N3/0464 , G06N3/08
Abstract: 本发明专利公开了一种基于拍内特征子波复杂网络的室性早搏检测方法，首先通过心电信号预处理对采集到的心电信号进行去噪和QRS波检测，将预处理后的心电信号进行心拍分割以获得心拍信号，对单个心拍内部子波分割并计算各部分的特征；对于得到的特征序列采用去趋势方法消除了长时程的心电信号特征在不同状态下的区域性差异，并去除微小波动，以消除了微小波动对后续序列编码的影响；利用符号动力学进行编码，并构建拍内特征子波复杂网络，计算复杂网络的网络特征参数，最终提取能够反映心电信号特点的心电特征，进一步通过机器学习分类算法实现心电信号的分类。
-
公开(公告)号：CN116012568A
公开(公告)日：2023-04-25
申请号：CN202310006237.X
申请日：2023-01-04
Applicant: 东南大学
IPC: G06V10/20 , A61B5/346 , A61B5/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种通过拍照心电图获取心电节律信息的系统，其中，心电区域提取单元负责获取由手机摄像头拍摄的12导联纸质心电图报告，去除无关附加信息，并基于目标检测神经网络提取出心电区域；图像处理单元采用图像去噪、倾斜校正、阴影去除、数据增强等算法对其进行预处理；心电节律信息获取与异常分类单元基于卷积神经网络，获取心电图节律信息，并对其进行心律异常分类；安卓手机应用程序功能单元用于将用户的心电节律信息分类结果反馈给访问用户的结果反馈模块。本发明能够通过拍摄纸质心电图报告照片，获取心电节律信息并对其进行识别分类，是一种可管理、便携且低成本的工具，有助于在医生辅助诊断中改进心电图解释。
-
公开(公告)号：CN115736938A
公开(公告)日：2023-03-07
申请号：CN202211439439.5
申请日：2022-11-17
Applicant: 东南大学
Abstract: 本发明提供了一种多模态的生理信号采集装置，包括心震、心音和心电信号的多模态采集。心震和心音信号采用3*2个传感器阵列进行采集。心震信号采集模块包括心震传感器阵列采集模块、信号模拟前端；心音信号采集模块包括心音传感器阵列采集模块、信号模拟前端；心电信号采集模块包括心电电极、信号模拟前端。多路信号通过FPGA进行采集时钟的同步管理，实现A/D采样控制，将多通道信号实时传送到控制模块。MCU负责系统核心控制，信号处理，以及向传感器采集模块发送指令，并将信号进行片上存储，得到最终的心震心音心电三种信号的多模态同步采集信号。本发明实现了心震心音心电三种生理信号的同步采集、存储和传输。
-
Patent Agency Ranking
公开(公告)号：CN115444385A
公开(公告)日：2022-12-09
申请号：CN202211247015.9
申请日：2022-10-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于血压测量脉搏震荡波特征分析的房颤检测方法和装置，其中，装置包括信号采集模块，房颤诊断模块，本地存储模块，显示模块。信号采集模块获取血压测量过程中的脉搏震荡波。房颤诊断模块的工作依次包括以下步骤：对所获信号滤波去噪、去除基线；提取RR间期序列，由RR间期序列及差值初步定位房颤；提取波谷间期序列，筛除早搏信号；多特征提取，包括主波峰高度，重搏波峰值，主波峰高度1/5处脉宽；基于已提取特征得到多个一维数组，计算出对应指标，得出房颤检测结果。本地存储模块记录脉搏震荡波和房颤检测结果。显示模块实时显示房颤检测结果和波形。本发明能够基于脉搏震荡波检测房颤，对房颤的诊断和治疗有积极意义。
-
公开(公告)号：CN114624538A
公开(公告)日：2022-06-14
申请号：CN202210310746.7
申请日：2022-03-28
Applicant: 东南大学
Abstract: 本发明公开一种心电电极性能测试装置。包括类肤介质、压力施加模块、心电信号模拟模块、信号采集模块、性能分析模块；所述类肤介质中设置有传导电极作为类肤介质的输入端，所述类肤介质上贴合有待测干电极和参考湿电极作为类肤介质的输出端；所述压力施加模块用于给所述待测干电极和参考湿电极施加不同的压力；所述心电信号模拟模块用于产生测试用的心电信号，经过传导电极输出至类肤介质；所述信号采集模块与类肤介质的输出端相连；所述信号采集模块的输出端连接所述性能分析模块的输入端；所述性能分析模块用于处理信号采集模块获取的阻抗信号以及心电信号，从而评估电极性能。本发明能够实现电极‑皮肤接触阻抗以及心电信号完整度的准确测量。
-
公开(公告)号：CN114366104A
公开(公告)日：2022-04-19
申请号：CN202210044333.9
申请日：2022-01-14
Applicant: 东南大学
Abstract: 本发明公开了一种基于前额少数导联脑电监测的抑郁状态评估方法，具体包括以下步骤：通过可穿戴脑电设备采集前额两导脑电信号，将信号进行预处理后，提取额叶alpha波段，计算基于近似熵的不对称指标，利用支持向量机分类模型得到抑郁程度评估结果。本发明中可穿戴脑电设备由柔性织物电极、模拟前端芯片、蓝牙Soc芯片、电池及稳压模块组成，能够实现舒适准确的脑电数据采集。本发明提出了一种alpha波段不对称的评估指标，能够准确检测使用者的抑郁状态。
-
公开(公告)号：CN110327036B
公开(公告)日：2021-11-30
申请号：CN201910670473.5
申请日：2019-07-24
Applicant: 东南大学
Abstract: 本发明提出了一种从穿戴式心电中提取呼吸信号和呼吸频率的方法，该方法先获取原始穿戴式心电数据信号，再对心电数据进行滤波处理，接着QRS波群的特征点识别，幅值变换法得到呼吸信号，根据峰值检测法计算出第一呼吸率，根据自相关函数和快速傅里叶变换得到第二呼吸率，最后呼吸率融合。本发明提供的从穿戴式心电中提取呼吸信号和呼吸频率的方法，通过该方法从而使得呼吸信号的提取不依赖于专门的硬件，只需要心电信号就能获取呼吸信号，而且得到的数据准确度较高，误差较小，受环境、运动等的影响较小。同时不会增加待监护病人的不舒适感和病人的身心负担，便于日常生理监护。
-
公开(公告)号：CN109199375B
公开(公告)日：2021-11-02
申请号：CN201811454594.8
申请日：2018-11-30
Applicant: 东南大学
Abstract: 本发明涉及一种无创胎儿心电检测装置及心电信号数据处理方法，包括心电采集前端装置和心电信号分析处理软件系统。具体包括心电采集电极、模拟数字转换模块、无线通讯模块、核心处理器模块。心电采集前端获得的信号通过无线通讯模块传输至核心处理模块，完成心电信号的质量评估、预处理、母体心电信号分析处理和胎儿心电信号分析处理等步骤，得出母体和胎儿的心率信息，结合波形形态分析，用于评估母体的健康状态和胎儿宫内状态。该装置可以实现孕妇胎儿信号的长时程，动态实时分析处理，对孕产期孕妇和胎儿健康状态监测具有重要的意义。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.021 seconds)
