首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于卷积循环神经网络的透析心室颤动检测方法 

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!

申请/专利权人:岱特智能科技(上海)有限公司

摘要:本发明涉及基于卷积循环神经网络的透析心室颤动检测方法,旨在提高心室颤动检测的准确性和鲁棒性。该方法包括以下步骤:在信号处理模块中,通过一维卷积层、最大池化层和双向长短期记忆网络提取时序特征。在图像处理模块中,通过残差卷积层和全局平均池化层提取空间特征。随后,在多模态融合模块中,使用自适应加权融合方法,将信号特征和图像特征融合,生成多模态融合特征。最后,通过两层全连接层和一层随机失活层的分类模块,对融合特征进行分类,输出心电图分类结果,判断是否存在心室颤动。本发明通过结合信号和图像两种模态的数据,提高了检测的准确性,降低了假阴性率,适用于临床中的连续监测和诊断。

主权项:1.基于卷积循环神经网络的透析心室颤动检测方法,其特征在于,该方法包括以下步骤:S1:获取心电图信号序列和心电图序列图像,其中心电图信号序列是一维时域信号,反映了心脏电活动的动态变化,包括心跳的时间间隔、振幅变化和心电图波形的形态,能够直接显示出心脏的电活动周期和节律;心电图序列图像则是将一维信号转换为时间-频率图像,通过可视化的方式展现心电信号在不同频率下的能量分布,包括图像中的纹理、频谱特征和局部空间信息,有助于捕捉复杂的心电活动模式和潜在的异常信号;S2:使用基于双向长短期记忆网络的信号处理模块处理心电图信号序列得到序列特征;使用包含多层卷积网络的图像处理模块处理心电图序列图像得到图像特征;其中,序列特征和图像特征的维度对齐一致;S3:使用多模态融合模块,将获取的信号与图像的特征向量进行融合,得到多模态特征,其中,融合的方式为自适应加权融合;S4:将多模态特征输入全连接层,最终输出心电图分类结果。

全文数据:

权利要求:

百度查询: 岱特智能科技(上海)有限公司 基于卷积循环神经网络的透析心室颤动检测方法

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。