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:上海数创医疗器械有限公司
摘要:本发明涉及心电信号数据处理技术领域,为一种静息十二导联心电信号处理方法及存储介质及处理器,通过将疾病对应的十二导联心电信号均存储至结论链接层,并将经过滤波处理后的第n1n=N种疾病的阳性数据和阴性数据分别标记组成N个数据集,建立深度学习网络,深度学习网络包括多个子网络,子网络之间通过结论链接层链接,采用N个数据集对子网络进行训练得到训练模型,将心电信号输入到训练模型以得到该待处理数据的疾病关联结果。该方案通过结论链接层将不同的子网络连接到一起,通过学习结论链接层的系数,揭示出疾病术语之间的内在联系,有助于提高医生对于心电信号数据的解读,大大提高了疾病关联筛查的准确性和效率。
主权项:1.一种存储介质,其特征在于,所述存储介质用于存储静息十二导联心电信号处理方法过程中所产生的数据,所述静息十二导联心电信号处理方法,包括:S1,获取多组十二导联心电信号,每一种疾病包含多个十二导联心电信号的阴性数据及阳性数据;所述S1具体包括:采集至少2*N*10000条处于静息状态下目标对象的十二导联心电信号,其中N≥2,个数N指的是网络能够诊断的疾病的种类数;S2,采用巴特沃兹带通滤波器对于所述十二导联心电信号的每个导联进行滤波,并将滤完波后的每一条心电信号按照导联顺序重新拼接到一起;S3,将经过S2处理的第n1n=N种疾病的阳性数据的标签标记为1,阴性数据的标签标记为0,并将数据Xn和对应的标签标记Yn组成N个数据集,其中数据Xn包括一组阴性数据及对应的阳性数据;S4,建立深度学习网络,所述深度学习网络包括多个子网络和结论链接层,子网络之间通过所述结论链接层链接,所述深度学习网络包括N个子网络,第一个子网络采取六层的网络结构,其中第一层至第六层分别对应为卷积层、卷积层、池化层、卷积层、全连接层及全连接层;第2-N个子网络采取七层的网络结构,其中第一层至第七层分别对应为卷积层、卷积层、池化层、卷积层、全连接层、全连接层及选择门;所述第2-N个子网络采取七层的网络结构的第一层卷积层包含50个大小均为5的一维卷积核,激活函数选用ReLU函数;第二层卷积层包含60个大小均为6的一维卷积核,激活函数选用ReLU函数;第三层池化层采用最大池化,核的大小和步长均为2;第四层卷积层包含70个大小为3的一维卷积核,激活函数选用ReLU函数;第五层全连接层输出为10个神经元,建议激活函数为ReLU函数;第六层全连接层输出神经元个数为1个,激活函数选用sigmoid函数;第七层为选择门,是一种特殊的神经网络,输入为两个神经元,输出为一个神经元,其计算方式为: 其中,代表第n-1个子网络的结论链接层的输出,代表第n个子网络的第二个全连接层的输出;第n个结论链接层的输出计算公式为: 其中,是第n个结论链接层的系数,是第n个结论链接层的偏移,是第n个结论链接层的激活函数,固定采用sigmoid函数;S5,采用S3构造出的N个数据集,依次分别对子网络及之间的结论链接层参数进行训练得到训练模型,若数据集Xk包含第n种疾病,则该数据集Xk中第n个元素为1,否则为0;S6,对待处理数据进行S2处理后输入到训练模型以得到该待处理数据的疾病关联结果。
全文数据:
权利要求:
百度查询: 上海数创医疗器械有限公司 一种静息十二导联心电信号处理方法及存储介质及处理器
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。