-
Patent Agency Ranking
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。
-
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
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：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：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。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
