-
公开(公告)号：CN116158767B
公开(公告)日：2025-05-09
申请号：CN202211500915.X
申请日：2022-11-28
Applicant: 华中科技大学
IPC: A61B5/318 , A61B5/346 , A61B5/352 , A61B5/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的迷走性神经晕厥VVS预警方法和系统，属于深度学习网络技术领域，所述方法包括：对患者心电图中的原始RR间隙数据进行预处理；利用A期检测模型检测RR间隙下降期中异常下降并进行第一阶段预警，利用B期检测模型检测RR间隙上升期中异常上升并进行第二阶段预警，以确定异常位置对应的预警点；将预警点到RR间隙序列的最小值点构成的RR间隙序列输入训练好的时序预测网络预测间隙变化量从而生成预警信息，以表征晕厥发生时刻距离预警点的心跳周期数。本发明基于深度学习搭建迷走性神经晕厥的预测框架，接收RR间隙流数据进行检测能够在疾病发生前提前示警，解决了迷走性神经晕厥的预测精度低问题。
-
公开(公告)号：CN119626530A
公开(公告)日：2025-03-14
申请号：CN202411473091.0
申请日：2024-10-22
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G16H50/30 , A61B5/319 , A61B5/346 , A61B5/00 , G16H50/70 , G16H10/60 , G16H80/00 , G06F18/21 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本申请提供了一种晕厥预测模型的配置方法、装置以及处理设备，用于针对晕厥这一病症，打造了一个晕厥预测模型，如此通过晕厥预测模型可以以平常时间段内的长程心电图数据为输入，对受测的用户是否会发生晕厥以及具体的晕厥类型进行精确的预测，在决策方面为晕厥诊断和治疗提供良好的数据支持，进而有助于实现更佳的诊断和处理。方法包括：获取样本心电图数据；为样本心电图数据配置相应的标注结果，其中，标注结果用于指示样本心电图数据对应用户是否出现晕厥情况，标注结果还用于指示样本心电图数据对应用户出现晕厥情况下的晕厥类型，晕厥类型包括心脏抑制型、血管抑制型和混合型；基于标注好的样本心电图数据，训练晕厥预测模型。
-
公开(公告)号：CN119397343A
公开(公告)日：2025-02-07
申请号：CN202411218649.0
申请日：2024-09-02
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06F18/241 , A61B5/00 , G06F18/214 , G06F18/243
Abstract: 本申请提供了QRS波群异常分类模型的处理方法、装置及处理设备，通过引入了基于4导联或者8导联的QRS波群异常分类机制，如此构建的QRS波群异常分类模型通过实验证明，在8导联格式下对于不同类型的异常QRS波群的检测精度都得到了显著提高，此外由于数据的精简化，尤其是在4导联格式下的精简化，在数据处理时间、数据应用时间和数据存储时间等应用成本的几个方面也得到了明显改善，同时也显著地降低了临床工作方面的人员工作量，因此具有较佳的应用价值。
-
公开(公告)号：CN119366934A
公开(公告)日：2025-01-28
申请号：CN202411519355.1
申请日：2024-10-29
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本发明公开了一种针对阵发性房颤的预测方法、系统、介质及设备，包括：获取心脏患者的动态心电图ECG；对动态心电图ECG进行切割，得到包含R峰的若干ECG片段；将若干ECG片段输入自编码器进行隐藏特征的挖掘，输出若干ECG片段对应的特征参数；将若干ECG片段对应的特征参数输入训练得到的逻辑回归模型进行处理，得到若干ECG片段各自发生阵发性房颤AF的概率；其中，概率限制在0和1之间，0表示未发生阵发性AF，1表示发生阵发性AF，概率越大，表示发生阵发性AF的可能性越大；基于若干ECG片段各自发生阵发性AF的概率，对心脏患者进行发生阵发性AF的预测；其中，自编码器和逻辑回归模型主要采用诊断为阵发性AF的ECG样本进行训练。
-
公开(公告)号：CN119252471A
公开(公告)日：2025-01-03
申请号：CN202411020382.4
申请日：2024-07-29
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G16H50/30 , A61B5/346 , A61B5/00 , G16H50/20 , G16H50/70 , G16H30/20 , G06F18/2433 , G06N3/0985
Abstract: 本发明公开了一种心脏状态检测方法、装置、设备和介质，包括：采集待诊断患者的目标心电图数据；根据目标心电图数据对应的实际导联数量，从预先训练的多个标准诊断神经网络模型中选择与实际导联数量匹配的目标诊断神经网络模型；将目标心电图数据输入目标诊断神经网络模型，得到目标诊断神经网络模型根据目标心电图数据从预先标定的多个心脏状态标签中确定的至少一个目标心脏状态标签，至少一个目标心脏状态标签用于表征待诊断患者的实际心脏状态。本发明依靠神经网络模型对心电图数据进行自动分析，可以通过心电图及时发现心脏肥大、扩张和增大等状态，能够在产生心力衰竭、猝死以及心律失常等症状之前及时发现心脏异常，使患者能够及时诊治。
-
Patent Agency Ranking
公开(公告)号：CN115281688B
公开(公告)日：2024-10-22
申请号：CN202210792806.3
申请日：2022-07-05
Applicant: 华中科技大学
IPC: A61B5/318 , A61B5/346 , A61B5/366 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种基于多模态深度学习的心房心室肥大多标签检测系统，属于心电图上的心脏肥大检测领域。采用自适应小波阈值去噪、基于形态学特征的心拍分割、深度神经网络、多模态特征融合等方法，当下热门的计算机视觉技术迁移到心电信号分类上，通过将心电信号的时域特征、形态特征和病人个体信息融合，对四种心脏肥大和正常同时进行分类，搭建出一个基于多模态深度学习的多标签检测框架，从而解决了心电信号在心脏肥大检测上的准确率差和泛化能力差的问题，实现了基于心电图的心脏肥大准确监测，可用于临床诊断。
-
公开(公告)号：CN112826513B
公开(公告)日：2022-02-18
申请号：CN202110005160.5
申请日：2021-01-05
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习和特异性矫正在FECG上胎儿心率检测系统，属于胎心心电图上的胎儿心率检测领域。本发明通过独立成分分析、深度神经网络、一维目标检测、特异性模型诊断等方法，由于卷积神经网络和循环神经网络在处理一维信号方面性能优越，本发明将当下热门的目标检测技术迁移到一维信号上搭建出一个全部基于深度学习的针对胎心心电图的完整检测框架，同时又使用一个特异性矫正模型消除个体差异从而解决机器学习应用到医学问题上经常出现的因病人个体差异导致的模型泛化能力差的问题，从而实现了基于胎心心电图的胎儿心率准确监测，可用于临床诊断。
-
公开(公告)号：CN110974214A
公开(公告)日：2020-04-10
申请号：CN201911329188.3
申请日：2019-12-20
Applicant: 华中科技大学
IPC: A61B5/0402 , A61B5/0452
Abstract: 本发明公开了一种基于深度学习的自动心电图分类方法、系统及设备，通过将获取的经标注的原始心电图数据按照预设比例分为训练集和验证集；构建具有残差连接的卷积神经网络，代入训练集和验证集进行训练和验证，得到训练好的卷积神经网络；利用经标注的测试集对训练好的卷积神经网络进行评估，结合评估指标得到测试通过的自动心电图分类模型。将待测心电图输入自动心电图分类模型，得到心电图分类结果。本发明提供的基于深度学习的自动心电图分类方法可以进行全面的特征提取并完成多标签分类的判别任务，全面地提取心电图中的信息，完成分类。
-
公开(公告)号：CN120022004A
公开(公告)日：2025-05-23
申请号：CN202510128347.2
申请日：2025-02-05
Applicant: 华中科技大学同济医学院附属同济医院
IPC: A61B5/346 , A61B5/349 , A61B5/00 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/082
Abstract: 本申请提供了一种心电图数据处理模型、装置以及处理设备，用于针对于右心室肥厚/扩大病理状态，在关注到心电图数据包含的时域特征的基础上，还关注到其包含的频域特征，并在深度学习模型的基础上设计了相应的具体模型处理架构，如此可以更为精确地捕捉到右心室肥厚/扩大病理状态在心电图数据中所存在的细节特征、深层次特征，实现精确度得到显著提升的检测效果，以此提供强有力的辅助数据支持，促使高质量的医疗服务。
-
公开(公告)号：CN115736940A
公开(公告)日：2023-03-07
申请号：CN202211489751.5
申请日：2022-11-25
Applicant: 华中科技大学同济医学院附属同济医院
IPC: A61B5/318 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/084
Abstract: 本申请提供了一种十二导联心电图机的处理方法、装置以及设备，用于从十二导联心电图机的数据处理出发，降低其数据存储需求，从而有效降低其涉及的维护成本。本申请提供的十二导联心电图机的处理方法，包括：获取用户的十二导联心电图数据，其中，十二导联心电图数据为用户在过去时间段采集的数据；将十二导联心电图数据输入预先配置的卷积神经网络模型，以使得卷积神经网络模型基于十二导联心电图数据确定待忽略导联通道，其中，卷积神经网络模型是由标注有对应忽略的导联通道的十二导联心电图样本数据训练得到的；基于待忽略导联通道，针对所述用户重构自身的导联通道。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.029 seconds)
