一种基于判别式深度置信网络的心律失常自动分类方法

    公开(公告)号:CN109998525B

    公开(公告)日:2022-05-20

    申请号:CN201910266921.5

    申请日:2019-04-03

    Inventor: 宋立新 房奇

    Abstract: 一种基于判别式深度置信网络的心律失常自动分类方法。属于心律失常的检测和分类技术领域,采用反向传播对网络进行微调,进而实现正常节律、左束支传导阻滞、右束支传导阻滞、室性早搏、房性早搏、起搏心拍共6类心律失常类型的自动分类。本发明包括:步骤一:ECG信号预处理,步骤二:DDBNs模型构建,步骤三:DDBNs模型训练,步骤四:DDBNs模型有监督微调,步骤五:ECG信号送入DDBNs网络,对送入DDBNs的256维采样点x与三维RR间期特征r进行归一化处理,对x归一化,得到一个心拍归一化样本,送入网络首层。本发明应用于心律失常的自动分类。

    一种基于判别式深度置信网络的心律失常自动分类方法

    公开(公告)号:CN109998525A

    公开(公告)日:2019-07-12

    申请号:CN201910266921.5

    申请日:2019-04-03

    Inventor: 宋立新 房奇

    Abstract: 一种基于判别式深度置信网络的心律失常自动分类方法。属于心律失常的检测和分类技术领域,采用反向传播对网络进行微调,进而实现正常节律、左束支传导阻滞、右束支传导阻滞、室性早搏、房性早搏、起搏心拍共6类心律失常类型的自动分类。本发明包括:步骤一:ECG信号预处理,步骤二:DDBNs模型构建,步骤三:DDBNs模型训练,步骤四:DDBNs模型有监督微调,步骤五:ECG信号送入DDBNs网络,对送入DDBNs的256维采样点x与三维RR间期特征r进行归一化处理,对x归一化,得到一个心拍归一化样本,送入网络首层。本发明应用于心律失常的自动分类。

    结合判别式深度置信网络和主动学习的心电分类方法

    公开(公告)号:CN110766099A

    公开(公告)日:2020-02-07

    申请号:CN201911089218.8

    申请日:2019-11-08

    Inventor: 宋立新 房奇

    Abstract: 结合判别式深度置信网络和主动学习的心电分类方法。本发明的步骤包括:采用基于判别式深度置信网络(DDBNs)和基于后验概率的主动学习相结合,高斯—伯努利受限玻尔兹曼机(GB-RBM)作为DDBNs的首层,伯努利—伯努利受限玻尔兹曼机(BB-RBM)作为DDBNs隐含层,同时融入反应其心律变异的RR间期特征,在特征学习阶段之后,通过在生成隐含层的顶部添加一个柔性最大值(Softmax)回归层,构建一个初始DNN,该DNN可以根据不同的分类标准进行定制,再采用反向传播对网络进行微调,在最后阶段,运用了主动学习方法,允许专家在每次迭代的测试记录中标记最相关和不确定的心拍,然后将其用于更新DNN权重。本发明应用于心电分类。

    一种可变板凳的拐杖
    4.
    实用新型

    公开(公告)号:CN209825438U

    公开(公告)日:2019-12-24

    申请号:CN201821797872.5

    申请日:2018-11-02

    Abstract: 本实用新型涉及一种可变板凳的拐杖,用于解决当前需要使用拐杖的人群,不能随时随地休息的问题,主要是通过将拐杖变成板凳的方式来实现。所设计的一种可变板凳的拐杖,可以随时随地将拐杖拆卸,变成一个可以坐的板凳,结构简单,便于拆卸组装。该结构主要包括,接地杆,支撑杆,手握杆,螺栓,圆柱销,万向连接装置,导轨,垫板,螺纹孔,定位销,调节按钮。本实用新型所设计的一种可变板凳的拐杖,可以实现使用者随时随地将其变成板凳,进行休息。

Patent Agency Ranking