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:武汉大学
摘要:本发明公开了一种基于云‑设备端协同的ECG分析系统及方法,首先利用ECG信号采集装置采集ECG信号并通过Wi‑Fi传输至云服务器;在云服务器上部署的ECG分析系统网站中接收ECG信号并调用ECG信号预处理算法软件包保存去噪后的ECG信号、心拍信号及各心拍前后RR间期;在ECG分析系统网站前端部署基于Tensorflow.js的融合RR间期的1D‑CNN二分类模型利用设备端算力进行单导联ECG信号的二分类;在人工智能云平台部署基于SE‑Res‑GRU的12导联ECG信号多分类模型,在ECG分析系统网站后端调用RestfulAPI接口实现设备端分类异常ECG的精准分类。本发明基于云‑设备端协同技术在节省用户分析时间、缓解服务器访问压力的同时更加精准地分析了ECG信号异常的类型,为心脏疾病远程诊疗提供了一种有效的技术手段。
主权项:1.一种基于云-设备端协同的ECG分析方法,其特征在于,包括以下步骤:步骤1:获取一段预设长度的采样频率为预设值的12导联ECG信号;步骤2:对一整段ECG信号进行去噪处理,识别R峰并分割为心拍,保存去噪后的ECG信号、心拍信号和各心拍信号对应前后RR间期;所述心拍信号,为识别到R峰之后以R峰位基准点向前取100个点并且向后取139个点,包括R峰在内总共240个点所得到的心拍;每个心拍与前后心拍的RR间期为识别到的R峰与前后R峰之间间隔的采样点数;步骤3:取选定的某条已保存ECG信号第二导联各心拍并依次利用设备端,融合RR间期的1D-CNN二分类模型分析心拍异常与否;所述融合RR间期的1D-CNN二分类模型,包括三个一维卷积层、三个一维池化层、Flatten层和Softmax分类器,其中,卷积层和池化层交叉设置,对一维心拍进行卷积池化操作后经过Flatten层得到一维特征数组,在特征数组末端融合该心拍对应的前后RR间期这两个特征值得到融合RR间期特征的特征数组,再将融合RR间期特征的特征数组输入Softmax分类器得到心拍是否为正常或者是异常的分类结果;步骤4:对于设备端分类为异常的心拍,取出对应12导联ECG信号心拍利用人工智能云平台上部署的基于SE-Res-GRU的12导联ECG信号多分类模型获取ECG具体异常类别;所述基于SE-Res-GRU的12导联ECG信号多分类模型,由12个并行的独立分支和一个全连接层组成,每个分支包含3个串联的SE-Res模块以及1个并联的GRU模块和GAP模块,其中SE-Res模块主要由ResNet和SENet组成且每个SE-Res模块前有一个卷积层进行特征映射使得残差单元能够和SE-Res模块输出维度一致。
全文数据:
权利要求:
百度查询: 武汉大学 一种基于云-设备端协同的ECG分析系统及方法
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。