公开(公告)号：CN113116300A

公开(公告)日：2021-07-16

申请号：CN202110270113.3

申请日：2021-03-12

Applicant: 复旦大学

Inventor： 杨翠微 ,  兰天杰

IPC: A61B5/00

Abstract: 本发明涉及一种基于模型融合的生理信号分类方法。所述方法包括：首先对采集得到的生理信号进行去噪、重采样、分割等预处理得到一维信号片段，将信号片段作为输入，建立一维神经网络模型进行训练；同时对预处理后的一维信号片段进行时频变换，将时频图作为输入，建立二维神经网络模型进行训练。在分类预测阶段，分别将预处理后的一维信号片段和其对应的二维时频图像输入训练好的一维和二维网络模型中，将不同模型在决策层进行融合得到最终分类结果。本方法将神经网络和集成学习思想相结合，通过模型融合技术提高分类准确率，可以应用于不同类型的生理信号分类场景中，在信号处理领域和疾病研究领域均有一定的应用价值。

公开(公告)号：CN111449644A

公开(公告)日：2020-07-28

申请号：CN202010196976.6

申请日：2020-03-19

Applicant: 复旦大学

Inventor： 杨翠微 ,  兰天杰

IPC: A61B5/04 ,  A61B5/00

Abstract: 本发明涉及一种基于时频变换和数据增强技术的生物电信号分类方法。本发明利用图像领域的数据增强技术扩展时频变换后的数据样本，从而提高分类算法的准确率。具体流程包括：将一维生物电信号实施时频变换获得系数矩阵，即二维的时频矩阵图像；基于时频矩阵图像，利用数据增强技术扩增数据样本，解决样本不足以及不同类型间分布不均匀的问题；利用机器学习方法提取时频矩阵图像的特征，采用图像分类的方式实现对生物电信号的分类。本发明适用于心电、脑电、肌电等多种生物电信号的自动检测和分类，在信号处理研究领域和临床医学上均具有一定的应用价值。本发明方法的应用范围可推广至所有的单导联或多导联电生理信号的研究。