-
公开(公告)号：CN110353665A
公开(公告)日：2019-10-22
申请号：CN201910749358.7
申请日：2019-08-14
Applicant: 苏州大学
IPC: A61B5/0452 , A61B5/0472 , A61B5/00
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：CN115590524B
公开(公告)日：2024-09-24
申请号：CN202211116660.7
申请日：2022-09-14
Applicant: 苏州大学
IPC: A61B5/318 , A61B5/36 , A61B5/00 , A61B5/352 , A61B5/366 , A61B5/353 , A61B5/355 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于卷积神经网络的QT间期延长识别方法，包括采集受试者的心电图，对心电信号进行预处理；对预处理后的心电信号进行波形检测，得到波形检测结果；根据波形检测结果计算QTc值；利用卷积神经网络和注意力机制构建QT间期延长识别模型，并使用数据训练QT间期延长识别模型；使用训练好的QT间期延长识别模型对未知QT间期状态的信号进行预测，实现QT间期延长的识别。本发明利用残差网络结构结合注意力机制的算法实现QT间期延长的识别，有效降低了模型的复杂度，避免由于波形定位的准确性影响QT间期延长识别精度的问题，同时实现了端到端的识别，省去了中间环节的人为参与，提升了辅助诊断的便捷性。
-
公开(公告)号：CN115590524A
公开(公告)日：2023-01-13
申请号：CN202211116660.7
申请日：2022-09-14
Applicant: 苏州大学(CN)
IPC: A61B5/318 , A61B5/36 , A61B5/00 , A61B5/352 , A61B5/366 , A61B5/353 , A61B5/355 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于卷积神经网络的QT间期延长识别方法，包括采集受试者的心电图，对心电信号进行预处理；对预处理后的心电信号进行波形检测，得到波形检测结果；根据波形检测结果计算QTc值；利用卷积神经网络和注意力机制构建QT间期延长识别模型，并使用数据训练QT间期延长识别模型；使用训练好的QT间期延长识别模型对未知QT间期状态的信号进行预测，实现QT间期延长的识别。本发明利用残差网络结构结合注意力机制的算法实现QT间期延长的识别，有效降低了模型的复杂度，避免由于波形定位的准确性影响QT间期延长识别精度的问题，同时实现了端到端的识别，省去了中间环节的人为参与，提升了辅助诊断的便捷性。
-
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。
-
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
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：CN116712083A
公开(公告)日：2023-09-08
申请号：CN202310417011.9
申请日：2023-04-19
Applicant: 苏州大学
IPC: A61B5/366 , G06F18/214 , G06N3/0464 , G06N3/08 , A61B5/318 , A61B5/346 , A61B5/00
Abstract: 本发明涉及一种基于U‑Net网络的QRS复合波检测方法，包括利用干净心电信号与噪声相加，生成噪声心电信号，得到预训练数据；将噪声心电信号与相对应的干净心电信号作为预先构建的QRS复合波检测网络的输入与输出，预训练QRS复合波检测网络；所述QRS复合波检测网络是基于U‑Net网络构建；利用均方误差作为损失函数，训练预设次数后，输出网络参数；采集原始心电信号与对应的QRS复合波标签，利用网络参数初始化QRS复合波检测网络；将原始心电信号输入初始化后的QRS复合波检测网络中，不断减小网络输出结果与对应QRS复合波标签的Dice损失函数，经过预设次数的训练后，获取训练好的QRS复合波检测网络；获取待检测心电信号图，输入训练好的QRS复合波检测网络中，获取QRS复合波标签图。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.04 seconds)
