公开(公告)号：CN114970612B

公开(公告)日：2025-01-07

申请号：CN202210497273.6

申请日：2022-05-09

Applicant: 南京信息工程大学

Inventor： 孙乐 ,  陈青源

IPC: G06F18/241 ,  G06F18/10 ,  G06F18/2131 ,  G06F18/2415 ,  G06F18/23213 ,  G06N3/0464 ,  A61B5/00 ,  A61B5/363 ,  A61B5/366 ,  G06N3/047

Abstract: 本发明公开了一种基于持续学习的心律失常实时分类方法，包括：定位QRS波，截取出ECG信号中的心拍，针对不同心拍类型，各自采样得到若干个数据流；基于深度卷积神经网络构建心拍分类模型；基于聚类算法计算得到同类数据的原型，将每类数据的原型和部分数据流一起存储至缓冲区；分批量多次导入数据流，从缓冲区中读取相同批量大小的数据，合成新的训练数据，采用指数加权平均的方式对每次输入后的原型进行迭代更新，对心拍分类模型进行训练和参数更新；将待识别的ECG新拍数据导入完成训练的心拍分类模型，进行心拍类型识别。本发明能够高效准确的实现数据不平衡条件下的心律失常分类，同时能够在持续学习下实现心律失常分类。

公开(公告)号：CN114970612A

公开(公告)日：2022-08-30

申请号：CN202210497273.6

申请日：2022-05-09

Applicant: 南京信息工程大学

Inventor： 孙乐 ,  陈青源

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00 ,  A61B5/363 ,  A61B5/366

Abstract: 本发明公开了一种基于持续学习的心律失常实时分类方法，包括：定位QRS波，截取出ECG信号中的心拍，针对不同心拍类型，各自采样得到若干个数据流；基于深度卷积神经网络构建心拍分类模型；基于聚类算法计算得到同类数据的原型，将每类数据的原型和部分数据流一起存储至缓冲区；分批量多次导入数据流，从缓冲区中读取相同批量大小的数据，合成新的训练数据，采用指数加权平均的方式对每次输入后的原型进行迭代更新，对心拍分类模型进行训练和参数更新；将待识别的ECG新拍数据导入完成训练的心拍分类模型，进行心拍类型识别。本发明能够高效准确的实现数据不平衡条件下的心律失常分类，同时能够在持续学习下实现心律失常分类。