申请/专利权人:中国矿业大学
申请日:2024-03-26
公开(公告)日:2024-06-25
公开(公告)号:CN118236070A
主分类号:A61B5/318
分类号:A61B5/318;G06F18/24;G06N3/0464;G06N3/0455;G06N3/048;G06F18/213;G06F18/15;A61B5/346;A61B5/00;A61B5/352
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.07.12#实质审查的生效;2024.06.25#公开
摘要:本发明涉及一种基于短时峰‑峰间期信号及深度学习的识别分类方法。其包括:提供待识别分类的心电信号,并利用预构建的心电信号识别分类模型进行识别分类,其中,对所提供心电信号进行短时峰‑峰间期信号提取,并将所提取的短时峰‑峰间期信号加载到心电信号识别分类模型;所述心电信号识别分类模型包括基于残差UNet3+的特征提取网络以及深度监督结构;通过特征提取网络对加载的短时峰‑峰间期信号进行特征提取,并利用深度监督结构对提取的特征进行分类与加权处理,以在分类加权处理后输出心电信号的分类信息;所述心电信号的分类信息为充血性心力衰竭类或非充血性心力衰竭类。本发明能有效对心电信号进行检测识别,检测识别精度高。
主权项:1.一种基于短时峰-峰间期信号及深度学习的识别分类方法,其特征是,所述心电信号识别分类方法包括:提供待识别分类的心电信号,并利用预构建的心电信号识别分类模型进行识别分类,其中,对所提供心电信号进行短时峰-峰间期信号提取,并将所提取的短时峰-峰间期信号加载到心电信号识别分类模型;所述心电信号识别分类模型包括基于残差UNet3+的特征提取网络以及与所述特征提取网络适配连接的深度监督结构;通过特征提取网络对加载的短时峰-峰间期信号进行特征提取,并利用深度监督结构对提取的特征进行分类与加权处理,以在分类加权处理后输出心电信号的分类信息;所述心电信号的分类信息为充血性心力衰竭类或非充血性心力衰竭类。
全文数据:
权利要求:
百度查询: 中国矿业大学 基于短时峰-峰间期信号及深度学习的识别分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。