-
公开(公告)号：CN117338266A
公开(公告)日：2024-01-05
申请号：CN202311279524.4
申请日：2023-10-07
Applicant: 福州大学
Abstract: 本发明提出一种基于特征迁移的无创血压估计方法，该方法通过自主研发的心电信号与光电容积脉搏波信号采集设备对信号进行采集，并对采集到的心电信号与光电容积脉搏波信号进行预处理；在通用深度学习框架的基础上构建心电信号二分类模型与光电容积脉搏波信号三分类模型；使用迁移学习的方法，对搭建好的两个源域模型进行特征迁移，进一步构建无创血压回归模型，并输出具体的收缩压值与舒张压值，达到无创血压估计的效果；最后根据AAMI的评估标准对回归模型进行可行性验证。本技术方案可以避免心血管疾病导致的血压估计结果误差大的问题，进而达到提升血压估计精度的目的。
-
公开(公告)号：CN115429288B
公开(公告)日：2024-09-06
申请号：CN202211256703.1
申请日：2022-10-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于集成学习与二级分层网络的十二导联心拍分类方法。采用十二导联心电数据作为输入，建立基于卷积神经网络和长短时记忆网络的多输入心拍分类集成模型，实现五大类心律失常智能化分类识别，模型中采用集成学习方法与二级分层网络，组合不同个体分类器搭建集成学习模型框架，解决不均衡数据集的分类效果不佳的问题，从而有效提高心律失常分类的整体性能指标，有望缓解医护人员繁重的判读工作压力，为智慧医疗领域中心电的智能判读研究提供新思路。
-
公开(公告)号：CN115429288A
公开(公告)日：2022-12-06
申请号：CN202211256703.1
申请日：2022-10-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于集成学习与二级分层网络的十二导联心拍分类方法。采用十二导联心电数据作为输入，建立基于卷积神经网络和长短时记忆网络的多输入心拍分类集成模型，实现五大类心律失常智能化分类识别，模型中采用集成学习方法与二级分层网络，组合不同个体分类器搭建集成学习模型框架，解决不均衡数据集的分类效果不佳的问题，从而有效提高心律失常分类的整体性能指标，有望缓解医护人员繁重的判读工作压力，为智慧医疗领域中心电的智能判读研究提供新思路。
-
-
Search Results
3
records
(took 0.013 seconds)
