-
公开(公告)号：CN116671931A
公开(公告)日：2023-09-01
申请号：CN202310655139.9
申请日：2023-06-05
Applicant: 苏州大学
Abstract: 本发明涉及医疗健康技术领域，提出了一种房颤检测预警方法及心电数据中继装置，通过训练得到一个轻量化房颤检测模型，在卷积层交替使用常规卷积和深度可分离卷积，可实现离线状态下实时检测采集的心电波形是否有异常，从而发出相应的报警提示。所述心电数据中继装置的主体由主控制器模块、蓝牙模块、OTG模块、存储模块、蜂窝网络与WIFI模块、供电模块、按键模块、LCD模块、LED模块组成，同时将上述轻量化房颤检测模型嵌入主控制器，蓝牙和OTG模块接收采集到的心电数据，通过WIFI或者蜂窝网络将心电数据发送至远程服务端进行检测，也可将所述心电数据放在存储模块中，以减轻心电采集设备的工作量。
-
公开(公告)号：CN116401592A
公开(公告)日：2023-07-07
申请号：CN202310284537.4
申请日：2023-03-22
Applicant: 苏州大学
IPC: G06F18/241 , A61B5/346 , A61B5/00 , G06F18/23 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种不同室早心电信号分类方法、系统及电子设备，方法包括：将获取的心电信号数据集X输入训练好的U‑Net模型，得到嵌入表达数据集Z；将所述嵌入表达数据集Z中的样本按簇分类，得到聚类分配Y；判断所述聚类分配Y中的簇数是否高于预设簇数，若高于预设簇数，则将所述聚类分配Y作为伪标签，以及所述心电信号数据集X同时输入训练好的U‑Net模型，实现对训练好的U‑Net模型进行重新训练，并得到新的嵌入表达数据集Znew，再重复按簇分类的步骤直至聚类分配Y中的簇数低于预设簇数；若低于预设簇数，则输出低于预设簇数的聚类分配Y；根据所述低于预设簇数的聚类分配Y得到不同室早心电信号的分类。本发明能够对不同室早心电信号分类。
-
公开(公告)号：CN116725486A
公开(公告)日：2023-09-12
申请号：CN202310607548.1
申请日：2023-05-26
Applicant: 苏州大学
IPC: A61B5/00 , A61B5/318 , A61B5/361 , G06F18/24 , G06N3/0455
Abstract: 本发明涉及一种基于双阶段的动态心电信号房颤检测方法、装置。本发明所提供的动态心电信号房颤检测包括以下步骤：对动态心电信号和QRS波位置序列进行第一采样频率的下采样，使用滑动窗口法对长程动态心电信号进行截取，通过模型RDAF‑net快速地提取出疑似房颤发生的区域，在减少房颤段漏检率的同时保证准确率，给第二阶段的细检测提供基础。将第一阶段检测到的疑似房颤片段集合进行第二采样频率的采样，通过滑动窗口法对第二采样频率下的片段进行截取，将采样后的疑似房颤片段输入到模型ConvTransAF‑net中，对输入的疑似房颤片段进行精细化检测。最后通过中值滤波对第二阶段的分类结果进行后处理，得到最终的房颤检测结果。
-
公开(公告)号：CN116602689A
公开(公告)日：2023-08-18
申请号：CN202310427270.X
申请日：2023-04-20
Applicant: 苏州大学
IPC: A61B5/366 , A61B5/318 , A61B5/346 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/241 , G06N3/0464 , G06N3/096
Abstract: 本申请提供了一种心电信号通用多导联QRS波检测方法，包括：获取待测试的多导联心电信号，将其Z‑score归一化之后输入心电信号通用多导联QRS波检测模型，该模型包括导联蒸馏模块和QRS波检测模块，导联蒸馏模块将导联输入的通道维度轴转换为宽度维度，将多导线信号转换成一个单通道图像，然后利用多个卷积单元对输入的待测试多导联心电信号进行特征提取和特征聚合得到最终的蒸馏信号，将所述蒸馏信号输入QRS波检测模块获取QRS波群的位置信息。
-
Patent Agency Ranking
公开(公告)号：CN114652324B
公开(公告)日：2023-04-07
申请号：CN202210182882.2
申请日：2022-02-25
Applicant: 苏州大学
Abstract: 本发明涉及一种单心拍分类方法，通过提取每个单心拍信号的特征，将每个单心拍信号和每个单心拍信号的特征输入至第一分类网络中，利用第一分类网络学习相邻心拍信号之间的特征变化规律，输出每个单心拍信号的权重和类别；将每个单心拍信号的权重和类别进行合并，输出每个单心拍信号为非异常心拍或异常心拍的分类结果；将异常心拍和异常心拍的特征输入至第二分类网络中，通过第二分类网络学习异常心拍之间的特征变化规律，输出异常心拍为室上性异常心拍或室性异常心拍的分类结果。本发明通过考虑每个单心拍信号和每个异常心拍之间的特征变化规律，能够有效提高心拍分类的准确性，提高基于人工智能系统的疾病检测性能。
-
公开(公告)号：CN114652324A
公开(公告)日：2022-06-24
申请号：CN202210182882.2
申请日：2022-02-25
Applicant: 苏州大学
Abstract: 本发明涉及一种单心拍分类方法，通过提取每个单心拍信号的特征，将每个单心拍信号和每个单心拍信号的特征输入至第一分类网络中，利用第一分类网络学习相邻心拍信号之间的特征变化规律，输出每个单心拍信号的权重和类别；将每个单心拍信号的权重和类别进行合并，输出每个单心拍信号为非异常心拍或异常心拍的分类结果；将异常心拍和异常心拍的特征输入至第二分类网络中，通过第二分类网络学习异常心拍之间的特征变化规律，输出异常心拍为室上性异常心拍或室性异常心拍的分类结果。本发明通过考虑每个单心拍信号和每个异常心拍之间的特征变化规律，能够有效提高心拍分类的准确性，提高基于人工智能系统的疾病检测性能。
-
公开(公告)号：CN116058849A
公开(公告)日：2023-05-05
申请号：CN202211102732.2
申请日：2022-09-09
Applicant: 苏州大学
Abstract: 本发明涉及一种房颤检测方法，包括获取心电信号，利用带通滤波器对心电信号去噪，根据去噪后心电信号中R峰的位置生成RR间期长度序列图并输入到预先训练好的U‑Net网络中进行预测，输出RR间期波标签图作为预测结果。本发明提供的房颤检测方法基于RR间期和U‑Net卷积神经网络，U‑Net网络是端到端的卷积神经网络，利用U‑Net网络预测，预测前只需对心电信号去噪，获取RR间期波长度序列图，不需要提取更高级的特征，预处理过程简便；在不需要做心拍分离的情况下将每个心拍的检测结果映射到原始的心电信号中，实现高细粒度分类水平的房颤检测，有效提高自动房颤检测的效率与准确性。
-
公开(公告)号：CN114652323B
公开(公告)日：2023-03-21
申请号：CN202210181410.5
申请日：2022-02-25
Applicant: 苏州大学
Abstract: 本发明涉及一种心律失常的检测方法，本发明通过采集心电信号，提取心电信号的R峰，根据心电信号的R峰计算心电信号每个心拍的RR期间值；根据心电信号每个心拍的RR期间值生成辅助波形；将辅助波形和心电信号输入至心电信号检测网络中进行识别，输出心电信号中每个心拍的识别结果。本发明通过将心电信号的RR期间值转化为辅助波形并融入到心拍分类中，能够有效提高心律失常检测的准确性和基于人工智能心电诊断系统的疾病检测性能。
-
公开(公告)号：CN114652323A
公开(公告)日：2022-06-24
申请号：CN202210181410.5
申请日：2022-02-25
Applicant: 苏州大学
Abstract: 本发明涉及一种心律失常的检测方法，本发明通过采集心电信号，提取心电信号的R峰，根据心电信号的R峰计算心电信号每个心拍的RR期间值；根据心电信号每个心拍的RR期间值生成辅助波形；将辅助波形和心电信号输入至心电信号检测网络中进行识别，输出心电信号中每个心拍的识别结果。本发明通过将心电信号的RR期间值转化为辅助波形并融入到心拍分类中，能够有效提高心律失常检测的准确性和基于人工智能心电诊断系统的疾病检测性能。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
