公开(公告)号：CN112826513A

公开(公告)日：2021-05-25

申请号：CN202110005160.5

申请日：2021-01-05

Applicant: 华中科技大学

Inventor： 袁烨 ,  薛博阳 ,  程骋 ,  黄程 ,  朱红玲 ,  杨晓云 ,  张永 ,  艾晨芳

IPC: A61B5/344 ,  A61B5/349

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：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

Inventor： 袁烨 ,  薛博阳 ,  程骋 ,  黄程 ,  朱红玲 ,  杨晓云 ,  张永 ,  艾晨芳

IPC: A61B5/344 ,  A61B5/349

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。