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：电子科技大学
摘要：本发明公开了一种基于深度残差网络的心律失常检测方法，包括如下步骤：步骤1、心电信号预处理；步骤2、利用通道注意力卷积网络和门控循环单元提取复杂病理ECG特征；步骤3、心律失常多标签分类的嵌入学习；步骤4、通过标签感知注意力系数对心律失常特征向量进行加权；步骤5、心律失常分类：将加权向量送入卷积和全连接层，得到最终的心律失常预测结果概率。本发明的检测模型能够学到更抽象、更复杂的特征，从而更好地应对不同患者、不同病理情况的心电图数据。
主权项：1.一种基于深度残差网络的心律失常检测方法，其特征在于，包括如下步骤：步骤1、心电信号预处理：采用PhysioNetChallenge数据集作为训练集，并利用独热编码方式对数据进行预处理；将训练集中的心电心跳序列记为X＝[x1,x2,…,xt,…,xK]T∈RK，其中，xt表示时间步长t的心跳信息，K表示心跳序列长度，T表示矩阵转置；引入掩蔽向量M处理无效的心跳序列，M＝m1,…,mt,…,mKT∈RK，mt表示时间步长t的掩蔽值；经掩蔽后的心电心跳序列记为表示如下： 其中，mt＝1表示对应的心电心跳信息是有效的，otherwise表示除了mt＝1的情况外所有其他情况，*表示舍弃无效的心跳信息；步骤2、利用通道注意力卷积网络和门控循环单元提取复杂病理ECG特征：首先，利用通道注意力卷积网络提取和优化心电图特征；然后，利用门控循环单元学习心跳序列特征表示，并通过带有残差连接的多层门控循环单元分层提取复杂病理ECG特征；步骤3、心律失常多标签分类的嵌入学习：基于训练集中心律失常的共现次数，以条件概率为基础，以数据驱动的方式建立标签相关矩阵；然后，基于标签相关矩阵和相似度度量方法，通过多层感知器得到最优心律失常分类标签相关嵌入集合；步骤4、通过标签感知注意力系数对心律失常特征向量进行加权；步骤5、心律失常分类：将加权向量送入卷积和全连接层，得到最终的心律失常预测结果概率。
全文数据：
权利要求：
百度查询： 电子科技大学 一种基于深度残差网络的心律失常检测方法
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。
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