-
公开(公告)号：CN114004258B
公开(公告)日：2024-04-02
申请号：CN202111293464.2
申请日：2021-11-03
Applicant: 大连大学
IPC: G06F18/2433 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了一种半监督的心电异常检测方法，包括：使用小波阈值变换对心电信号进行降噪处理，然后随机选取若干正常心电数据作为训练集，再随机选取若干正常心电数据和异常心电数据用于阈值寻优数据集；构建AD‑ECGGAN网络模型，该AD‑ECGGAN网络模型包括生成器和判别器；固定生成器，从所述训练集中抽取n个真实心电样本，在所述生成器中利用定义的噪声分布生成n个虚假心电样本，通过所述真实心电样本和虚假心电样本来训练判别器；本发明提出的用于心电异常检测的AD‑ECGGAN模型，改进了生成对抗网络的网络结构，提出了新的训练方法，使其可以在缺乏异常心电样本的情况下训练心电信号异常检测的分类器，不需要专业的医生对异常数据进行标注，大大节约人力和时间成本。
-
公开(公告)号：CN114004258A
公开(公告)日：2022-02-01
申请号：CN202111293464.2
申请日：2021-11-03
Applicant: 大连大学
Abstract: 本发明公开了一种半监督的心电异常检测方法，包括：使用小波阈值变换对心电信号进行降噪处理，然后随机选取若干正常心电数据作为训练集，再随机选取若干正常心电数据和异常心电数据用于阈值寻优数据集；构建AD‑ECGGAN网络模型，该AD‑ECGGAN网络模型包括生成器和判别器；固定生成器，从所述训练集中抽取n个真实心电样本，在所述生成器中利用定义的噪声分布生成n个虚假心电样本，通过所述真实心电样本和虚假心电样本来训练判别器；本发明提出的用于心电异常检测的AD‑ECGGAN模型，改进了生成对抗网络的网络结构，提出了新的训练方法，使其可以在缺乏异常心电样本的情况下训练心电信号异常检测的分类器，不需要专业的医生对异常数据进行标注，大大节约人力和时间成本。
-
公开(公告)号：CN115153582A
公开(公告)日：2022-10-11
申请号：CN202210878825.8
申请日：2022-07-25
Applicant: 大连大学
Abstract: 本发明公开了一种基于多维数据融合的心电信号分类方法，包括：步骤1：将心电信号切分成若干心拍并输入进时间序列模块，输出时间序列特征z1；步骤2：将心电信号进行短时傅里叶变换得到心电的时频图并输入进时频图模块，输出空间特征z2；步骤3：将性别、年龄、体重和患者的用药信息输入进文本数据模块，输出文本特征z3；步骤4：将特征z1、z2、z3同时输入进特征融合模块进行特征融合，输出融合后的特征向量h；步骤5：将融合后的特征向量h输入进全连接层，使用激活函数进行多分类输出；步骤6：利用步骤1‑5对模型进行心电信号分类的训练，将训练好的模型用于不同数据分布的心电信号的分类任务。
-
公开(公告)号：CN114903497A
公开(公告)日：2022-08-16
申请号：CN202210532486.8
申请日：2022-05-12
Applicant: 大连大学
Abstract: 本发明公开了基于递归复杂网络和卷积神经网络的房颤检测方法，包括：对心电信号进行降噪处理；采用模板匹配法消除心电信号中的QRS波群；通过递归复杂网络分析消除QRS波群后的心电信号以获取底层特征，具体包括通过时间延迟法对心电信号进行相空间重构、确定嵌入维度d、基于相空间里的任意两个向量点之间距离构造出递归矩阵R；将所述底层特征输入至卷积神经网络，进而判断是否为房颤。本方法与RR间期无关，使房颤检测不与其他心律失常疾病相混淆；可以很好的提取心房活动信号特征。递归复杂网络可以提取鲁棒的底层特征；使用卷积神经网络自动获取高层特征，完全利用了递归矩阵中所蕴含的房颤特征，检测结果正确率高。
-
-
-
Search Results
4
records
(took 0.018 seconds)
