公开(公告)号：CN116211314A

公开(公告)日：2023-06-06

申请号：CN202310332962.6

申请日：2023-03-30

Applicant: 长沙理工大学

Inventor： 彭建 ,  袁敏智 ,  李峰 ,  章登勇

IPC: A61B5/318 ,  G06N3/08 ,  A61B5/346 ,  A61B5/00

Abstract: 本发明公开了一种基于阈值收缩网络模型的心电信号去噪方法、系统及设备，本方法将心电信号输入至阈值收缩网络模型进行去噪，获得阈值收缩网络模型输出去噪后的心电信号；阈值收缩网络模型进行去噪包括：对心电信号进行特征提取，获得心电信号波形特征；对心电信号波形特征进行特征提取，获得低频信号特征，并对低频信号特征进行阈值学习和坡度学习，获取第一阈值和第一坡度；根据第一阈值和第一坡度，构建阈值函数；根据阈值函数，获得第一去噪信号特征；对第一去噪信号特征进行特征增强，获得第二去噪信号特征；将第二去噪信号特征与心电信号进行残差操作，得到去噪后的心电信号。本发明能够提高去噪性能，减少有用信号的丢失。

公开(公告)号：CN115414048A

公开(公告)日：2022-12-02

申请号：CN202211062139.X

申请日：2022-08-31

Applicant: 长沙理工大学

Inventor： 李峰 ,  袁敏智 ,  章登勇 ,  张乐冰 ,  周豪庭

IPC: A61B5/318 ,  A61B5/346 ,  A61B5/00

Abstract: 本发明公开了一种心电信号的去噪方法、去噪系统、设备以及存储介质，本方法首先构建一个去噪网络模型，然后利用去噪网络模型对待去噪的心电信号进行去噪，本去噪网络模型基于RDN网络模型进行改进，将RDN网络中的每个RDB模块都替换成去噪模块，其中去噪模块在RDB模块的1×1卷积层之后，还包括自适应学习阈值模块和软阈值函数，通过自适应学习阈值模块确定心电信号的阈值，通过软阈值函数根据心电信号的阈值对1×1卷积层的输出结果中的噪声特征进行去除。本方法在去噪网络模型中嵌入了一个自适应学习阈值模块和一个软阈值函数，用来对噪声进行抑制，能够提取到更加精细有用的心电信号特征。