龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：浙江理工大学
摘要：本发明公开了基于多视图多尺度融合网络的心律失常检测模型建模方法，使用空间注意力模块、通道注意力模块和多尺度时间注意力模块获得原始ECG信号的三个维度特征，将这些特征与原始ECG信号进行残差连接形成两个混合特征；两个混合特征输入到两个并行网络进行深度特征提取，辅助信息输入到并行网络与深度特征进行融合；提取两路中融合了辅助信息的特征进一步融合，并将融合后的特征输入到一个新的多层感知机中生成预测结果，作为网络输出，且训练时使用焦点损失。本发明关注心律失常发生时在不同视图下表现出的异常特征，提取不同视图下心律失常在原始ECG信号上的特征，并结合辅助信息，有效提高心律失常检测的准确率、高效性和实用性。
主权项：1.基于多视图多尺度融合网络的心律失常检测模型建模方法，其特性在于：包括以下步骤：1对原始ECG数据进行预处理，预处理过程依次为截取或补0、获取辅助信息、去噪和对去噪后的ECG信号进行数据增强，然后划分训练集、验证集和测试集；2构建心律失常检测模型，具体如下：使用通道注意力模块、空间注意力模块和多尺度时间注意力模块来提取每个预处理后ECG信号的多维特征；这些多维特征与预处理后ECG信号进行残差连接，形成两个混合特征，其中一个为包含时间、通道、空间三个维度的混合特征，另一个为包含通道、空间的混合特征；两个混合特征输入到并行的两个残差网络中，每个残差网络包含残差块、主干网络和多层感知机，残差块进行深度特征提取后输入主干网络，患者的辅助信息输入到两个残差网络中，并与主干网络的输出进行拼接后由多层感知机进行一次融合；然后，两个融合了辅助信息的特征进行二次融合；最后，二次融合后的特征输入到另一个多层感知机中生成预测的分类标签作为心律失常检测模型的最终输出；同时，两个融合了辅助信息的特征也使用多层感知机生成预测的分类标签；3对构建好的心律失常检测模型进行训练、验证和测试。
全文数据：
权利要求：
百度查询： 浙江理工大学 基于多视图多尺度融合网络的心律失常检测模型建模方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号