公开(公告)号：CN110960211A

公开(公告)日：2020-04-07

申请号：CN201911394134.5

申请日：2019-12-30

Applicant: 江南大学

Inventor： 惠晶 ,  王恬 ,  虞致国 ,  魏敬和 ,  顾晓峰

IPC: A61B5/0402 ,  A61B5/00

Abstract: 本发明公开了一种基于嵌入式的心电实时监测系统。所述基于嵌入式的心电实时监测系统包括采集模块、主控模块、通信模块和电源模块；所述采集模块包括心电传感器和模数转换模块(ADC)，所述主控模块包括微处理器，所述通信模块包括蓝牙；所述心电传感器的输出端与ADC的输入端连接，所述ADC的输出端通过数据采集口与微处理器的输入端连接，所述微处理器与蓝牙模块连接；所述电源模块分别与采集模块、主控模块和通信模块连接。本发明通过单决策树的AdaBoost算法将特征提取后的心电信号进行分类，将机器学习算法和嵌入式系统技术相结合，使心电实时监测系统同时具有便携性好，体积小，能实时诊断的优点。

公开(公告)号：CN111563411B

公开(公告)日：2023-08-29

申请号：CN202010237763.3

申请日：2020-03-30

Applicant: 江南大学

Inventor： 虞致国 ,  王恬 ,  魏敬和 ,  顾晓峰

IPC: G06F18/2431 ,  G06F18/214 ,  A61B5/346

Abstract: 本发明公开了利用AdaBoost和弱分类器的心电信号分类方法，属于数据源分类技术领域。所述方法包括：对心电数据进行特征提取，获得心电信号训练样本数据集；根据心电信号样本的初始权重，抽样选取心电信号训练数据集获得心电信号样本；用弱分类器对心电信号样本进行分类，分类错误的样本的加权方式由弱分类器的分类错误率和样本被错分的概率这两个因素所决定。本发明充分考虑分错样本的错分概率，通过设置合适的阈值，并以此对弱分类器进行筛选，来得到分类精度更高的强分类器。

公开(公告)号：CN111563411A

公开(公告)日：2020-08-21

申请号：CN202010237763.3

申请日：2020-03-30

Applicant: 江南大学

Inventor： 虞致国 ,  王恬 ,  魏敬和 ,  顾晓峰

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种利用优化的AdaBoost加权方式和弱分类器对心电信号分类的方法，属于数据源分类技术领域。所述方法包括：对心电数据进行特征提取，获得心电信号训练样本数据集；根据心电信号样本的初始权重，抽样选取心电信号训练数据集获得心电信号样本；用弱分类器对心电信号样本进行分类，分类错误的样本的加权方式由弱分类器的分类错误率和样本被错分的概率这两个因素所决定。本发明充分考虑分错样本的错分概率，通过设置合适的阈值，并以此对弱分类器进行筛选，来得到分类精度更高的强分类器。