-
公开(公告)号：CN110353665B
公开(公告)日：2022-03-11
申请号：CN201910749358.7
申请日：2019-08-14
Applicant: 苏州大学
Abstract: 本发明公开了一种基于改进的一维U‑net的单导心电图信号特征波形检测方法。本发明基于改进的一维U‑net的单导心电图信号特征波形检测方法，包括：S1.数据准备：准备的心电信号数据采样率为500HZ，心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的高斯白噪声与脉冲噪声，对心电信号进行不同程度的缩放。本发明的有益效果：1.本方法无需人工设计特征，本方法使用的U‑net中使用的参数皆为自动学习得到；2.本方法在定位P波或是T波边界点时无需预先定位R波或是QRS波群，P波、T波的边界点定位与QRS波群的边界点定位是同时进行的。
-
公开(公告)号：CN112617850B
公开(公告)日：2022-08-30
申请号：CN202110004807.2
申请日：2021-01-04
Applicant: 苏州大学
Abstract: 本发明公开了一种心电信号的早搏心拍检测系统，所述系统用于实现如下方法，包括：步骤一：将预设采样率的心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声，给心电信号每一组数据准备了其对应的标签，标签有两个通道，每个通道分别划分好对应的室性早搏QRS波段和室上性早搏QRS波段；步骤二：将步骤一中的心电信号进行低通滤波，并结合对应的标签输入到神经网络中进行训练，所述神经网络的损失函数为Dice损失函数，所述神经网络采用一维U‑net网络结构。本发明的有益效果：无需复杂的前期去噪或者域变换、无需人工设计特征；鲁棒性强、能够在高噪信号中准确检测出早搏心拍，即早搏心拍中的QRS波位置；端到端的检测、再通过后处理直接输出早搏类型与位置。
-
公开(公告)号：CN110974217A
公开(公告)日：2020-04-10
申请号：CN202010005613.X
申请日：2020-01-03
Applicant: 苏州大学
IPC: A61B5/0402 , A61B5/00 , G06K9/62
Abstract: 本发明公开了一种基于卷积自编码器的双阶段心电信号降噪方法。一种基于卷积自编码器的双阶段心电信号降噪方法，包括：准备的心电信号数据采样率为360HZ，心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声；给每一组数据准备了其对应的标签输出，输出即为干净的心电信号；心电信号降噪阶段；心电信号细节重建阶段。本发明的有益效果：本方法无需将心电信号转换成时频域或者是其他表达函数中，直接能够学习到心电信号的降噪过程，不会产生吉布斯效应；本方法不需要获得噪声参考信号；本方法通过信号的降噪和细节重建过程，能较好地还原出原始信号的细节部分与特征信号。
-
公开(公告)号：CN110840428A
公开(公告)日：2020-02-28
申请号：CN201911201877.6
申请日：2019-11-29
Applicant: 苏州大学
Abstract: 本发明公开了一种基于一维U-Net网络的无创血压估计方法，包括以下步骤：从血压测试数据库中获取样本数据；所述样本数据包括脉搏波的一阶差分数据、脉搏波的二阶差分数据和同时含有脉冲波和动脉血压波形的数据；搭建基于一维U-Net网络的血压估计网络；所述基于一维U-Net网络的血压估计网络包括一维U-Net网络和设置在所述一维U-Net网络之后的全连接层；将所述样本数据带入所述血压估计网络进行训练，更新血压估计网络的权重参数，获得训练后的血压估计网络；将实时采集的脉搏波信号输入训练后的血压估计网络，获得实时测试数据的信号输出。其能够实现连续的血压测量，无须人工设计特征，血压结果稳定，准确度高。
-
公开(公告)号：CN112704503A
公开(公告)日：2021-04-27
申请号：CN202110056325.1
申请日：2021-01-15
Applicant: 苏州大学
Abstract: 本发明公开了一种心电信号噪声处理方法，包括以下步骤：使用人工合成的数据集训练轻量深度学习网络得到训练完成的轻量深度学习网络，测试后端应用算法得到对应的预设熵阈值；将采集到的心电信号数据分段并输入训练完成的训练轻量深度学习网络，分类得到含噪声部分的信号段数据；计算含噪声部分的信号段数据的样本熵，与预设熵阈值比较并将大于预设熵阈值的信号段数据去除，得到去噪后的心电信号数据。本发明通过轻量深度学习网络直接对段信号进行分类，避免了人工提取特征的弊端；通过样本熵对分段信号去噪，有效降低肌电干扰、电极运动干扰噪声对诊断系统造成的误警，提高后端应用算法在心电信号中含有噪声时的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112617850A
公开(公告)日：2021-04-09
申请号：CN202110004807.2
申请日：2021-01-04
Applicant: 苏州大学
Abstract: 本发明公开了一种心电信号的早搏心拍检测方法，包括：步骤一：将预设采样率的心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声，给心电信号每一组数据准备了其对应的标签，标签有两个通道，每个通道分别划分好对应的室性早搏QRS波段和室上性早搏QRS波段；步骤二：将步骤一中的心电信号进行低通滤波，并结合对应的标签输入到神经网络中进行训练，所述神经网络的损失函数为Dice损失函数，所述神经网络采用一维U‑net网络结构。本发明的有益效果：无需复杂的前期去噪或者域变换、无需人工设计特征；鲁棒性强、能够在高噪信号中准确检测出早搏心拍，即早搏心拍中的QRS波位置；端到端的检测、再通过后处理直接输出早搏类型与位置。
-
公开(公告)号：CN110840432A
公开(公告)日：2020-02-28
申请号：CN201911213690.8
申请日：2019-12-02
Applicant: 苏州大学
IPC: A61B5/04 , A61B5/0476 , A61B5/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于一维CNN-LSTM的多通道脑电图癫痫自动检测装置。本发明一种基于一维CNN-LSTM的多通道脑电图癫痫自动检测装置，包括：所述计算机，所述计算机被编程以便执行如下步骤：获取采集数据，其中采集数据通过以下方式采集：数据采集电极位置均按照国际标准的10-20系统电极法放置。本发明的有益效果：与传统的癫痫发作检测不同，无需人工设计特征来进行分类，而是直接将多通道的原信号输入训练网络，通过一维CNN和LSTM神经网络来自动学习信号的特征，最后进行分类。由于采用了多通道的信号，比只使用单通道信号的方法效果更好，更具稳定性和一般性；除了在数据库中性能表现优异，在实际的临床数据中也有很不俗的效果。
-
公开(公告)号：CN112704503B
公开(公告)日：2022-08-30
申请号：CN202110056325.1
申请日：2021-01-15
Applicant: 苏州大学
Abstract: 本发明公开了一种心电信号噪声处理方法，包括以下步骤：使用人工合成的数据集训练轻量深度学习网络得到训练完成的轻量深度学习网络，测试后端应用算法得到对应的预设熵阈值；将采集到的心电信号数据分段并输入训练完成的训练轻量深度学习网络，分类得到含噪声部分的信号段数据；计算含噪声部分的信号段数据的样本熵，与预设熵阈值比较并将大于预设熵阈值的信号段数据去除，得到去噪后的心电信号数据。本发明通过轻量深度学习网络直接对段信号进行分类，避免了人工提取特征的弊端；通过样本熵对分段信号去噪，有效降低肌电干扰、电极运动干扰噪声对诊断系统造成的误警，提高后端应用算法在心电信号中含有噪声时的准确性。
-
公开(公告)号：CN110974217B
公开(公告)日：2022-08-09
申请号：CN202010005613.X
申请日：2020-01-03
Applicant: 苏州大学
Abstract: 本发明公开了一种基于卷积自编码器的双阶段心电信号降噪方法。一种基于卷积自编码器的双阶段心电信号降噪方法，包括：准备的心电信号数据采样率为360HZ，心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声；给每一组数据准备了其对应的标签输出，输出即为干净的心电信号；心电信号降噪阶段；心电信号细节重建阶段。本发明的有益效果：本方法无需将心电信号转换成时频域或者是其他表达函数中，直接能够学习到心电信号的降噪过程，不会产生吉布斯效应；本方法不需要获得噪声参考信号；本方法通过信号的降噪和细节重建过程，能较好地还原出原始信号的细节部分与特征信号。
-
公开(公告)号：CN111685754A
公开(公告)日：2020-09-22
申请号：CN202010566310.5
申请日：2020-06-19
Applicant: 苏州大学
IPC: A61B5/024 , A61B5/0402 , A61B5/0456
Abstract: 本发明涉及一种针对可穿戴ECG采集设备的心率计算方法及系统,包括构建网络训练模型，由所述网络训练模型得到一段心电信号检测出的R波位置，并计算出所有RR间期的值；对所述RR间期的值进行升序排序，筛选出合适的RR间期；计算剩余RR间期均值，根据所述剩余RR间期均值计算心率。本发明在运动状态下心率检测值稳定，检测准确。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
