-
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: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。
-
公开(公告)号:CN108961676A
公开(公告)日:2018-12-07
申请号:CN201810667033.X
申请日:2018-06-26
Applicant: 苏州大学
IPC: G08B21/04
Abstract: 一种摔倒检测、呼救及定位装置,包括:多功能拐杖以及压力检测鞋垫,其中,所述多功能拐杖包括加速度传感器以及高度传感器;所述压力检测鞋垫包括压力传感器。当所述加速度超过第一阈值、所述高度变化的速率超过第二阈值、所述压力小于所述第三阈值时,检测三者发生的最大时间间隔是否小于第四阈值;若小于第四阈值,则由所述拐杖发出呼救信息和定位信息。本发明的优点是,既可以手动报警,也可以在摔倒时自动触发报警,在自动触发报警过程中,通过根据多种传感器获得的数据对摔倒检测的结果进行判断,从而大大降低了误报警的概率。此外,本发明装置还包括,定位功能、语音功能、收音机功能、储物功能等多种功能,提高了其实用性。
-
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
IPC: A61B5/346
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。
-
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: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:CN112998754A
公开(公告)日:2021-06-22
申请号:CN202110192617.8
申请日:2021-02-20
Applicant: 苏州大学
IPC: A61B8/06
Abstract: 本发明涉及一种无创血流量检测方法、检测系统及检测设备,包括以下步骤:在待测血管的体表上固定三个超声探头,其中,三个所述超声探头平行于待测血管方向等间距设置,记录相邻两个所述超声探头之间的距离;通过三个超声探头配合以获取待测血管的直径的平均值;使用三个麦克风采集待测血管的内瘘杂音,分别获取三组内瘘杂音信号,其中,所述麦克风的测试点与所述超声探头的测试点一一对应设置;根据三组内瘘杂音信号和相邻两个所述超声探头之间的距离,计算血流速度的平均值;根据血流速度的平均值与待测血管的直径的平均值获得待测血管的血流量。其实现在不干预透析病人日常生活及透析治疗的情况下准确推算出血管的实时流量,便捷且无创伤。
-
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: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。
-
-
-
-
-
-
-
-
-