买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉贵州大学申请的专利基于自注意力机制的心律失常分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115530788B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211133248.6，技术领域涉及：A61B5/0245；该发明授权基于自注意力机制的心律失常分类方法是由杨观赐;王越;何玲;刘丹;蓝善根;李杨;杨思远;张睿泽;罗可欣设计研发完成，并于2022-09-17向国家知识产权局提交的专利申请。

本基于自注意力机制的心律失常分类方法在说明书摘要公布了：本发明的一种基于自注意力机制的心律失常分类方法，其特征在于：该方法包括如下步骤：采集心电信号并对数据进行预处理：对心电信号数据进行小波变换预处理，去除心电信号的基线漂移以及噪声；生成心电信号训练数据集；构建多头自注意力机制的心律失常分类网络，其结构包括心电向量表示层、线性区间投影层、信号序列编码层、多头自注意力计算层、归一化层、心电信号输出层；设计基于多头自注意力机制的心律失常分类算法；训练基于多头自注意力机制的心律失常分类网络；对心电信号进行分类。本发明具有能够充分利用心电信号中的丰富的语义信息以及信号的局部相关性，获取低幅值心电信号特征以高效准确的自动识别异常心律的特点。

本发明授权基于自注意力机制的心律失常分类方法在权利要求书中公布了：1.一种基于自注意力机制的心律失常分类方法，其特征在于：该方法包括如下步骤： 步骤一、采集心电信号并对数据进行预处理：对心电信号数据进行小波变换预处理，去除心电信号的基线漂移以及噪声； 步骤二、生成心电信号训练数据集，将心电信号训练数据集随机划分为训练集和测试集； 步骤三、构建多头自注意力机制的心律失常分类网络，其结构包括心电向量表示层、线性区间投影层、信号序列编码层、多头自注意力计算层、归一化层、心电信号输出层；设计基于多头自注意力机制的心律失常分类算法； 所述基于多头自注意力机制的心律失常分类算法，包括如下步骤： 步骤3.1、心电向量表示层将进行预处理过后的心电数据段转化成模型的训练向量； 步骤3.2、线性区间投影层通过对心电信号进行线性投影，投影成多个心拍波段以提高心电信号的语义特征表达； 步骤3.3、信号序列编码层中，利用原心电信号序列顺序和电压幅值确定每个心电信号点的笛卡尔坐标；计算心拍波段的位置顺序坐标；计算每一个心拍波段的心电信号平均幅值；计算整个心拍波段的心电信号最大幅值；计算心拍波段心电信号值的位置编码，其计算公式为： ; 其中，z=1,2,…,W，为心电信号点的数量，为第j个心拍波段的第m个序列的心电信号的位置坐标，为心电信号的x坐标值，为第j个心拍波段的心电信号的平均幅值，为心电信号的最大幅值； 步骤3.4、多头自注意力计算层：多头自注意力使用多个缩放点积注意力模块从而进行心电信号段之间的并行计算，多头自注意力机制能够从不同空间中学习到更多的语义信息； 所述多头自注意力使用多个缩放点积注意力模块从而进行心电信号段之间的并行计算，其中输入自注意模块由、、三个矩阵组成，其中R为实数，缩放点积注意力模块部分有n层，其注意力计算如下式所示： 1; 2; 其中、、为输入矩阵，,为输入的相应数据的维度，因为多头注意力采用的自注意力机制，所以输入的三个矩阵的维度相同；在多头注意力模型中，当其中一个缩放点积注意力模块在运算的时候，如式1所示，先将向量进行线性变换；然后对输入的第个心电信号段进行自注意力计算，把和每个键值权重矩阵做点积计算相似性并取得权重，再通过除以进行放缩，避免Softmax函数落在梯度非常小的地方，利用Softmax函数对权重进行归一化处理，最后将权重和相应的键值进行加权求和得到一个块的注意力值，经过n次注意力计算后得到一个的注意力值；缩放点积注意力总公式如2所示，经过多次缩放注意力计算后，得到n个，将每一次的进行拼接，经过线性变换得到最后与输入相同维度的结果，计算公式如下： 3; 4; 其中，，为线性映射的参数矩阵，为模型所设置的数据输入维度，为线性变换的权重，为向量拼接操作；为最后计算的结果；通过多次Attention的计算，多头自注意力机制能够从不同空间中学习到更多的语义信息； 步骤3.5、归一化层：对计算过后的心电信号进行归一化处理，从而减少训练时间； 步骤3.6、全连接心电信号输出层：对计算过后的心电信号进行类别概率计算，全连接层中的神经元个数等于分类的心电信号类别总数； 步骤四、训练基于多头自注意力机制的心律失常分类网络：将心电信号训练集输入到多头自注意力机制的心律失常分类网络中，使用交叉熵损失函数，设置网络学习率，利用梯度下降法训练网络，更新训练集和验证集的权重值和学习率，直至网络损失函数收敛，得到训练好的多头自注意力机制的心律失常分类网络； 步骤五、对心电信号进行分类：将心电信号测试集输入到训练好的多头自注意力机制的心律失常分类网络中，得到心电分类的结果，并通过与正确标签对比，计算多头自注意力机制的心律失常分类网络模型对心律失常分类的精确度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学(北区)科技处；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。