公开(公告)号：CN107203692A

公开(公告)日：2017-09-26

申请号：CN201710321707.6

申请日：2017-05-09

Applicant: 哈尔滨工业大学(威海)

Inventor： 夏勇 ,  乌兰娜仁 ,  王宽全 ,  张恒贵

IPC: G06F19/00 ,  G06K9/00 ,  G06N3/08

Abstract: 本发明公开了一种基于深度卷积神经网络的房颤检测的实现方法，该方法能够将单导联一维心电数据经过信号转换变成二维形式，使得其适用于处理二维数据的深度卷积神经网络，从而实现通过机器自动学习特征并进行分类，并最终实现房颤的自动化检测。将本发明的方法用于房颤检测时，无需检测P波或R‑R间期，也无需人为设计特征，极大地提高了房颤检测的效率和准确率，其中：基于静态小波变换结合深度卷积神经网络的房颤检测方法的准确率是98.63％，敏感性是98.79％，特异性是97.87％；基于短时傅里叶变换结合深度卷积神经网络的房颤检测方法的准确率是98.29％，敏感性是98.34％，特异性是98.24％。

公开(公告)号：CN107203692B

公开(公告)日：2020-05-05

申请号：CN201710321707.6

申请日：2017-05-09

Applicant: 哈尔滨工业大学(威海)

Inventor： 夏勇 ,  乌兰娜仁 ,  王宽全 ,  张恒贵

IPC: G16H50/20 ,  G06K9/00 ,  G06N3/08

Abstract: 本发明公开了一种基于深度卷积神经网络的心电数据数字信号处理方法，该方法能够将单导联一维心电数据经过信号转换变成二维形式，使得其适用于处理二维数据的深度卷积神经网络。将本发明的方法用于房颤检测时，无需检测P波或R‑R间期，也无需人为设计特征，极大地提高了房颤检测的效率和准确率，其中：基于静态小波变换结合深度卷积神经网络的房颤检测方法的准确率是98.63％，敏感性是98.79％，特异性是97.87％；基于短时傅里叶变换结合深度卷积神经网络的房颤检测方法的准确率是98.29％，敏感性是98.34％，特异性是98.24％。

公开(公告)号：CN107296600A

公开(公告)日：2017-10-27

申请号：CN201710348768.1

申请日：2017-05-17

Applicant: 哈尔滨工业大学(威海)

Inventor： 夏勇 ,  贾红红 ,  王宽全 ,  张恒贵

IPC: A61B5/0402

CPC classification number: A61B5/0402 ,  A61B5/7221 ,  A61B5/7264 ,  A61B5/7267

Abstract: 本发明公开了一种快速十二导联心电信号质量评估方法，其步骤为：(1)将心电信号质量评估结果分为可接受与不可接受；(2)用户自主选择质量评估方法；(3)对十二导联心电信号进行特征提取；(4)如果质量评估方法是阈值法，则直接基于特征与阈值的大小关系得到评估结果，跳转到步骤(8)；(5)如果质量评估方法是机器学习方法，则对提取的特征进行变换；(6)重复步骤(3)和(5)，获得大量心电信号的特征数据，对信号进行类别标记，构建学习与分类系统；(7)对新的心电测试信号，重复步骤(3)和(5)，获取特征，进行分类；(8)将评估结果反馈给用户。本发明拥有较高的准确率、很好的鲁棒性，并且方法简单、成本低廉。