公开(公告)号：CN115836849B

公开(公告)日：2025-04-11

申请号：CN202211724133.4

申请日：2022-12-30

Applicant: 南京信息工程大学

Inventor： 孙乐 ,  何志强

IPC: A61B5/0245 ,  A61B5/346 ,  A61B5/00 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于对比测试时间适应的心率失常分类方法，首先采集心律失常数据并生成数据集，通过数据集自身标注的Q峰位置采集心拍；再使用SMOTE算法对步骤S1采集的心拍进行类别平衡采样；接着使用多模态图像融合框架将一维心拍转换成二维图像，划分数据集；然后搭建训练阶段的卷积神经网络模型；并根据划分的数据集输入到卷积神经网络模型中进行训练；最后将步骤S5训练好的卷积神经网络模型进行对比测试时间域适应；经过对比测试时间域适应后，在适应的过程中更新源模型的权重参数，将经过调整后的模型用于最终的心率失常分类任务。

公开(公告)号：CN115836849A

公开(公告)日：2023-03-24

申请号：CN202211724133.4

申请日：2022-12-30

Applicant: 南京信息工程大学

Inventor： 孙乐 ,  何志强

IPC: A61B5/0245 ,  A61B5/346 ,  A61B5/00 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于对比测试时间适应的心率失常分类方法，首先采集心律失常数据并生成数据集，通过数据集自身标注的Q峰位置采集心拍；再使用SMOTE算法对步骤S1采集的心拍进行类别平衡采样；接着使用多模态图像融合框架将一维心拍转换成二维图像，划分数据集；然后搭建训练阶段的卷积神经网络模型；并根据划分的数据集输入到卷积神经网络模型中进行训练；最后将步骤S5训练好的卷积神经网络模型进行对比测试时间域适应；经过对比测试时间域适应后，在适应的过程中更新源模型的权重参数，将经过调整后的模型用于最终的心率失常分类任务。

公开(公告)号：CN115982624A

公开(公告)日：2023-04-18

申请号：CN202211740943.9

申请日：2022-12-30

Applicant: 南京信息工程大学

Inventor： 孙乐 ,  何志强

IPC: G06F18/24 ,  A61B5/0245 ,  A61B5/346 ,  A61B5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明公开了一种基于持续测试时间域适应的ECG数据分类方法，可以在不修改源模型的训练过程，不需要访问源数据以及不需要目标域数据标签的情况下，在测试时使用持续测试时间适应提高模型的泛化性，使得模型能够适应不断变化的测试环境。本发明提出的持续测试时间域适应的ECG数据分类方法通过在测试时间适应过程中将一部分的模型参数恢复成源模型参数能缓解模型出现灾难性遗忘，且不影响模型的性能。本发明使用的ECG数据预处理方法很简单，不需要做噪音滤波和特征提取的预处理。传统的ECG数据预处理方法非常依赖于研究人员的经验且效果不佳，由于提取到的特征不理想，在训练模型时模型对噪音信号非常敏感。

公开(公告)号：CN115067964A

公开(公告)日：2022-09-20

申请号：CN202210690447.0

申请日：2022-06-17

Applicant: 南京信息工程大学

Inventor： 孙乐 ,  何志强

IPC: A61B5/346 ,  A61B5/366 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提供了一种心电图分类方法、装置、电子设备及存储介质；所述方法包括：获取心电图数据库中的心电信号；对所述心电信号进行心拍定位，得到心拍信号集合；构建第一残差网络模型；改进所述第一残差网络模型的第一批量归一化层，得到第二残差网络模型；基于所述心拍信号集合训练所述第二残差网络模型，得到心电图分类器；通过心电图分类器对待处理的心电图进行分类。通过本申请，能够降低心电图分类的成本和提高心电图分类准确度。