-
公开(公告)号：CN110327036A
公开(公告)日：2019-10-15
申请号：CN201910670473.5
申请日：2019-07-24
Applicant: 东南大学
IPC: A61B5/0402 , A61B5/0472 , A61B5/08 , A61B5/00
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：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：CN108399369B
公开(公告)日：2021-10-19
申请号：CN201810104310.6
申请日：2018-02-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于分布式计算和深度学习算法的心电节拍分类方法，包括以下步骤：首先获取心电节拍信号并划分样本集，对训练集中的心电数据流形进行局部区域化；然后构建分布式深度学习场，并利用训练集数据进行训练，在训练中采用软同步的方法实现数据并行；最后利用训练好的深度学习场对测试集的心电数据进行分类。利用本发明的方法能够发现在数据中潜在的信息，解决了传统的心电节拍分类过程中体征描述容易存在偏差，特别是当心电数据特征不明显时容易出现错误分类的问题，同时解决了单机训练耗时过久的问题，能够应用于海量ECG数据的分类，具有显著提高的计算效率。
-
公开(公告)号：CN108399369A
公开(公告)日：2018-08-14
申请号：CN201810104310.6
申请日：2018-02-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于分布式计算和深度学习算法的心电节拍分类方法，包括以下步骤：首先获取心电节拍信号并划分样本集，对训练集中的心电数据流形进行局部区域化；然后构建分布式深度学习场，并利用训练集数据进行训练，在训练中采用软同步的方法实现数据并行；最后利用训练好的深度学习场对测试集的心电数据进行分类。利用本发明的方法能够发现在数据中潜在的信息，解决了传统的心电节拍分类过程中体征描述容易存在偏差，特别是当心电数据特征不明显时容易出现错误分类的问题，同时解决了单机训练耗时过久的问题，能够应用于海量ECG数据的分类，具有显著提高的计算效率。
-
-
-
Search Results
4
records
(took 0.012 seconds)
