一种基于心电向量图的心肌梗死定位方法

    公开(公告)号:CN118177827A

    公开(公告)日:2024-06-14

    申请号:CN202410480147.9

    申请日:2024-04-22

    Abstract: 本发明提供一种基于心电向量图的心肌梗死定位方法,本发明利用PointNet++的多尺度分组(MSG)模块获取3D‑VCG的全局时空特征,然后通过自注意力机制识别重要的点集,并通过PointNet++处理这些点集以获取其局部时空特征,然后使用Transformer的多头注意力机制再次关联和融合局部和全局特征,通过前向反馈网络减少生成的可训练列表的维度,并通过softmax层生成类概率,以实现心肌梗塞的精确定位。本发明的方法在11类MI定位任务上展现了优异的性能,整体准确率达到99.98%,显著优于现有的心肌梗塞定位技术;有效地利用3D空间中VCG的局部‑时空特征,实现了MI的精确定位。

    一种基于心电向量图的心肌梗死定位方法

    公开(公告)号:CN118177827B

    公开(公告)日:2024-10-18

    申请号:CN202410480147.9

    申请日:2024-04-22

    Abstract: 本发明提供一种基于心电向量图的心肌梗死定位方法,本发明利用PointNet++的多尺度分组(MSG)模块获取3D‑VCG的全局时空特征,然后通过自注意力机制识别重要的点集,并通过PointNet++处理这些点集以获取其局部时空特征,然后使用Transformer的多头注意力机制再次关联和融合局部和全局特征,通过前向反馈网络减少生成的可训练列表的维度,并通过softmax层生成类概率,以实现心肌梗塞的精确定位。本发明的方法在11类MI定位任务上展现了优异的性能,整体准确率达到99.98%,显著优于现有的心肌梗塞定位技术;有效地利用3D空间中VCG的局部‑时空特征,实现了MI的精确定位。

    一种基于多通道卷积神经网络的心电图分类方法及系统

    公开(公告)号:CN115204297A

    公开(公告)日:2022-10-18

    申请号:CN202210854195.0

    申请日:2022-07-14

    Abstract: 本说明书实施例提供了一种基于多通道卷积神经网络的心电图分类方法及系统,该方法包括获取原始心电图信号,对信号进行滤波预处理;对滤波后的心电图信号安置滑动时间窗,将心电图信号重构为多个心电图片段,构成训练集;将训练集输入构建的智能心电图诊断模型进行深度特征提取,获得深度特征,通过降维单元进行降维后通过SVM分类器完成心电图分类。本发明将在不同时长心电图数据上使用滑动窗口,对原始数据进行重构,并输入到一个有多个并行卷积神经网络构成的智能心电图诊断模型中,使智能心电图诊断模型不仅能够对不等长的心电图数据集进行训练,并尽可能避免数据关键信息丢失问题,从而提高了智能心电图分类识别的准确率和降低了误诊率。

    一种智能弹力带
    6.
    实用新型

    公开(公告)号:CN217339908U

    公开(公告)日:2022-09-02

    申请号:CN202123390666.7

    申请日:2021-12-29

    Abstract: 本实用新型涉及医疗康复健身器械技术领域,更具体地,涉及一种智能弹力带,包括弹性带体,还包括第一手柄、第二手柄,所述第一手柄内设有收卷组件,所述弹性带体的两端分别与收卷组件、第二手柄连接;所述智能弹力带还包括监控组件,所述监控组件上通信连接有肌电感应件。本实用新型使用方便,能够为康复治疗提供量化指标,提高对患者的康复评估和指导的便利性。

Patent Agency Ranking