-
公开(公告)号：CN115153581A
公开(公告)日：2022-10-11
申请号：CN202210859962.7
申请日：2022-07-21
Applicant: 苏州大学
IPC: A61B5/346
Abstract: 本发明提出了一种基于卷积神经网络和Transformer的心电信号特征波形检测方法，利用卷积神经网络提取信号的空间信息，并利用Transformer基于自注意力机制捕获时序特征，Transformer中采用多头注意力机制，不同的自注意力模块之间互不干扰，没有依赖关系。可以分别对各个模块计算之后将计算结果整合得到最终输出，这种方式称为并行计算，在实际运算过程中，并行计算的速度比串行计算的速度快，使得心电信号特征波形检测更为高效；为了更加精确的定位，选用跳层连接结构，将卷积神经网络特征提取器的中间结果与相应的解码器特征图在通道维度上拼接，将浅层位置信息和深层语义信息相结合,使得心电信号特征波形检测更为精确。
-
公开(公告)号：CN114652324A
公开(公告)日：2022-06-24
申请号：CN202210182882.2
申请日：2022-02-25
Applicant: 苏州大学
Abstract: 本发明涉及一种单心拍分类方法，通过提取每个单心拍信号的特征，将每个单心拍信号和每个单心拍信号的特征输入至第一分类网络中，利用第一分类网络学习相邻心拍信号之间的特征变化规律，输出每个单心拍信号的权重和类别；将每个单心拍信号的权重和类别进行合并，输出每个单心拍信号为非异常心拍或异常心拍的分类结果；将异常心拍和异常心拍的特征输入至第二分类网络中，通过第二分类网络学习异常心拍之间的特征变化规律，输出异常心拍为室上性异常心拍或室性异常心拍的分类结果。本发明通过考虑每个单心拍信号和每个异常心拍之间的特征变化规律，能够有效提高心拍分类的准确性，提高基于人工智能系统的疾病检测性能。
-
公开(公告)号：CN112704503A
公开(公告)日：2021-04-27
申请号：CN202110056325.1
申请日：2021-01-15
Applicant: 苏州大学
Abstract: 本发明公开了一种心电信号噪声处理方法，包括以下步骤：使用人工合成的数据集训练轻量深度学习网络得到训练完成的轻量深度学习网络，测试后端应用算法得到对应的预设熵阈值；将采集到的心电信号数据分段并输入训练完成的训练轻量深度学习网络，分类得到含噪声部分的信号段数据；计算含噪声部分的信号段数据的样本熵，与预设熵阈值比较并将大于预设熵阈值的信号段数据去除，得到去噪后的心电信号数据。本发明通过轻量深度学习网络直接对段信号进行分类，避免了人工提取特征的弊端；通过样本熵对分段信号去噪，有效降低肌电干扰、电极运动干扰噪声对诊断系统造成的误警，提高后端应用算法在心电信号中含有噪声时的准确性。
-
公开(公告)号：CN112617850A
公开(公告)日：2021-04-09
申请号：CN202110004807.2
申请日：2021-01-04
Applicant: 苏州大学
Abstract: 本发明公开了一种心电信号的早搏心拍检测方法，包括：步骤一：将预设采样率的心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声，给心电信号每一组数据准备了其对应的标签，标签有两个通道，每个通道分别划分好对应的室性早搏QRS波段和室上性早搏QRS波段；步骤二：将步骤一中的心电信号进行低通滤波，并结合对应的标签输入到神经网络中进行训练，所述神经网络的损失函数为Dice损失函数，所述神经网络采用一维U‑net网络结构。本发明的有益效果：无需复杂的前期去噪或者域变换、无需人工设计特征；鲁棒性强、能够在高噪信号中准确检测出早搏心拍，即早搏心拍中的QRS波位置；端到端的检测、再通过后处理直接输出早搏类型与位置。
-
Patent Agency Ranking
公开(公告)号：CN107296628B
公开(公告)日：2020-11-17
申请号：CN201710595825.6
申请日：2017-07-20
Applicant: 苏州大学
IPC: A61B8/06
Abstract: 本发明涉及基于超声波多普勒效应的内瘘血栓的实时检测系统、实时检测装置及其血液流速的检测方法，其中实时内瘘检测系统包括：主控模块、超声波探头驱动模块、双模式超声波探头模块、显示模块、无线传输模块及存储模块，其中显示模块、存储模块、超声波探头驱动模块、无线传输模块与主控模块直接相连，超声波探头驱动模块另与双模式超声波探头模块相连，无线传输模块通过无线信号进行远程数据传输，电源模块为各个模块供电。本发明利用超声波探头的不同的放置方式和两种不同的工作模式，有效消除在测量血流速度的实际应用中难于确定多普勒夹角的问题，同时也解决了流速梯度模糊问题。
-
公开(公告)号：CN110840432A
公开(公告)日：2020-02-28
申请号：CN201911213690.8
申请日：2019-12-02
Applicant: 苏州大学
IPC: A61B5/04 , A61B5/0476 , A61B5/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于一维CNN-LSTM的多通道脑电图癫痫自动检测装置。本发明一种基于一维CNN-LSTM的多通道脑电图癫痫自动检测装置，包括：所述计算机，所述计算机被编程以便执行如下步骤：获取采集数据，其中采集数据通过以下方式采集：数据采集电极位置均按照国际标准的10-20系统电极法放置。本发明的有益效果：与传统的癫痫发作检测不同，无需人工设计特征来进行分类，而是直接将多通道的原信号输入训练网络，通过一维CNN和LSTM神经网络来自动学习信号的特征，最后进行分类。由于采用了多通道的信号，比只使用单通道信号的方法效果更好，更具稳定性和一般性；除了在数据库中性能表现优异，在实际的临床数据中也有很不俗的效果。
-
公开(公告)号：CN218128559U
公开(公告)日：2022-12-27
申请号：CN202220329985.2
申请日：2022-02-09
Applicant: 苏州大学
Abstract: 本实用新型涉及一种可拉伸的导联线以及医学信号采集系统，所述可拉伸的导联线，包括一体式蛇形柔性PCB；一体式蛇形柔性PCB上设置有电极扣，电极扣与粘贴在人体部位上的电极贴扣连接；一体式蛇形柔性PCB的一端设置有接口，接口与医学信号采集设备连接。本实用新型采用一体式蛇形柔性PCB，使所有导联线形成一体化结构，方便寻找导联位置，便于测量患者的心电信号。同时采用蛇形结构，使其具有拉伸性，能够适应不同体型患者的需求，保证所监测的心电信号的准确性。
-
公开(公告)号：CN213155837U
公开(公告)日：2021-05-11
申请号：CN202021449490.0
申请日：2020-07-21
Applicant: 苏州大学
IPC: A61B5/00 , H04W4/80 , H04B1/3827 , H04B1/40
Abstract: 本实用新型涉及一种可穿戴生理监测装置,包括采集模块和接收模块，所述采集模块置放在第一载体上，所述采集模块包括第一主控制器、第一射频收发线圈、生理信号采集芯片，所述生理信号采集芯片和所述第一射频收发线圈均与所述第一主控制器相连；所述接收模块置放在第二载体上，所述接收模块包括第二主控制器、第二射频收发线圈、无线传输模块、存储模块、开关及LED电路以及电池电源管理模块，所述第二射频收发线圈、无线传输模块、存储模块、开关及LED电路以及电池电源管理模块均与所述第二主控制器相连。本实用新型会使采集到的生理数据更加准确，提升装置的稳定性和准确性。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.051 seconds)
