一种房颤信号生成方法及系统

    公开(公告)号:CN113974644B

    公开(公告)日:2023-03-24

    申请号:CN202111425350.9

    申请日:2021-11-26

    Applicant: 苏州大学

    Abstract: 本发明公开了一种房颤信号生成方法及系统,包括以下步骤:获取采样率与输入长度相同的房颤信号和正常心电信号,并进行预处理;分别制作房颤信号和正常心电信号中T波终点至下一个心电周期的QRS波起点位置的标签;利用标签对房颤信号的房颤波和正常心电信号中相应位置依次进行截取;计算处理后的正常心电信号需要插入的房颤波数量,从n条房颤波中随机挑选所需数量房颤波依次填充入正常心电信号截断位置,得到合成的房颤信号。本发明生成的房颤信号可信度高,能够满足现阶段心电信号自动分析模型的训练需求,有效地缓解房颤心电信号数据量不足、数据量不均衡等相关问题。

    一种心电信号特征波形检测方法、装置及存储介质

    公开(公告)号:CN115153581B

    公开(公告)日:2024-09-20

    申请号:CN202210859962.7

    申请日:2022-07-21

    Applicant: 苏州大学

    Abstract: 本发明提出了一种基于卷积神经网络和Transformer的心电信号特征波形检测方法,利用卷积神经网络提取信号的空间信息,并利用Transformer基于自注意力机制捕获时序特征,Transformer中采用多头注意力机制,不同的自注意力模块之间互不干扰,没有依赖关系。可以分别对各个模块计算之后将计算结果整合得到最终输出,这种方式称为并行计算,在实际运算过程中,并行计算的速度比串行计算的速度快,使得心电信号特征波形检测更为高效;为了更加精确的定位,选用跳层连接结构,将卷积神经网络特征提取器的中间结果与相应的解码器特征图在通道维度上拼接,将浅层位置信息和深层语义信息相结合,使得心电信号特征波形检测更为精确。

    心电信号的早搏心拍检测系统

    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。

    一种房颤信号生成方法及系统

    公开(公告)号:CN113974644A

    公开(公告)日:2022-01-28

    申请号:CN202111425350.9

    申请日:2021-11-26

    Applicant: 苏州大学

    Abstract: 本发明公开了一种房颤信号生成方法及系统,包括以下步骤:获取采样率与输入长度相同的房颤信号和正常心电信号,并进行预处理;分别制作房颤信号和正常心电信号中T波终点至下一个心电周期的QRS波起点位置的标签;利用标签对房颤信号的房颤波和正常心电信号中相应位置依次进行截取;计算处理后的正常心电信号需要插入的房颤波数量,从n条房颤波中随机挑选所需数量房颤波依次填充入正常心电信号截断位置,得到合成的房颤信号。本发明生成的房颤信号可信度高,能够满足现阶段心电信号自动分析模型的训练需求,有效地缓解房颤心电信号数据量不足、数据量不均衡等相关问题。

    一种心电信号特征波形检测方法、装置及存储介质

    公开(公告)号:CN115153581A

    公开(公告)日:2022-10-11

    申请号:CN202210859962.7

    申请日:2022-07-21

    Applicant: 苏州大学

    Abstract: 本发明提出了一种基于卷积神经网络和Transformer的心电信号特征波形检测方法,利用卷积神经网络提取信号的空间信息,并利用Transformer基于自注意力机制捕获时序特征,Transformer中采用多头注意力机制,不同的自注意力模块之间互不干扰,没有依赖关系。可以分别对各个模块计算之后将计算结果整合得到最终输出,这种方式称为并行计算,在实际运算过程中,并行计算的速度比串行计算的速度快,使得心电信号特征波形检测更为高效;为了更加精确的定位,选用跳层连接结构,将卷积神经网络特征提取器的中间结果与相应的解码器特征图在通道维度上拼接,将浅层位置信息和深层语义信息相结合,使得心电信号特征波形检测更为精确。

    心电信号的早搏心拍检测方法

    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。

Patent Agency Ranking