公开(公告)号：CN113940638B

公开(公告)日：2023-09-19

申请号：CN202111231937.6

申请日：2021-10-22

Applicant: 上海理工大学

Inventor： 杨晶东 ,  蔡书琛 ,  燕海霞 ,  解天骁

IPC: A61B5/02

Abstract: 本发明涉及一种基于频域双特征融合的脉搏波信号识别分类方法，采集患者的原始脉搏波数据首先进行时域脉搏数据预处理；预处理后时域脉搏数据转换为频域脉搏数据后再分别转换成一维倒谱系数与二维递归图；递归图通过Densenet模型提取特征，获得二维图像特征；倒谱系数通过CNN模型提取特征，获得一维数据特征；一维数据特征和二维图像特征送特征融合模块进行融合；融合特征送入分类模块进行识别与分类。充分考虑了脉搏信号中的高维非线性特性与非周期性的特性，能够获取脉搏特征中较为深层次的信息，解决了当前对脉搏波信号进行分类识别的方法未考虑到脉搏信号的高维非线性特性与非周期性特性而存在针对某些疾病分类准确率较低的问题。

公开(公告)号：CN113940638A

公开(公告)日：2022-01-18

申请号：CN202111231937.6

申请日：2021-10-22

Applicant: 上海理工大学

Inventor： 杨晶东 ,  蔡书琛 ,  燕海霞 ,  解天骁

IPC: A61B5/02

Abstract: 本发明涉及一种基于频域双特征融合的脉搏波信号识别分类方法，采集患者的原始脉搏波数据首先进行时域脉搏数据预处理；预处理后时域脉搏数据转换为频域脉搏数据后再分别转换成一维倒谱系数与二维递归图；递归图通过Densenet模型提取特征，获得二维图像特征；倒谱系数通过CNN模型提取特征，获得一维数据特征；一维数据特征和二维图像特征送特征融合模块进行融合；融合特征送入分类模块进行识别与分类。充分考虑了脉搏信号中的高维非线性特性与非周期性的特性，能够获取脉搏特征中较为深层次的信息，解决了当前对脉搏波信号进行分类识别的方法未考虑到脉搏信号的高维非线性特性与非周期性特性而存在针对某些疾病分类准确率较低的问题。