公开(公告)号：CN118332383A

公开(公告)日：2024-07-12

申请号：CN202410557740.9

申请日：2024-04-27

Applicant: 北京工业大学

Inventor： 杨新武 ,  杨红霄

IPC: G06F18/24 ,  G06F18/25 ,  G06F18/22 ,  G06F18/214 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明提出了一种融合皮尔逊相关节拍的ECG信号分类方法，由于心电信号的导联间特征不连续，长时序性、准周期特征以及疾病发病间歇性等特点，以原始ECG数据进行疾病检测仍然具有挑战。在发明中我们引入皮尔逊特殊节拍以增强数据发病节拍片段的学习。在该模型中首先获取ECG的皮尔逊特殊节拍作为并行数据以增强疾病差异学习，然后利用并行空洞Unet模块以更好的获取导联间特征，并添加融合局部特征预测的Transformer模块获取长距离特征。本方法在ECG数据上获得了比较高的分类性能。

公开(公告)号：CN118332384A

公开(公告)日：2024-07-12

申请号：CN202410557796.4

申请日：2024-04-27

Applicant: 北京工业大学

Inventor： 杨新武 ,  杨红霄

IPC: G06F18/24 ,  G06F18/22 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明提出了一种基于皮尔逊相关性的条件生成对抗ECG分类方法，由于现有的ECG数据集存在严重的数据不均衡现象，分类模型在数量较少的类别上分类性能普遍较低，现有的方法不能很好的缓解这一问题。本发明中首先获取ECG的峰值数据和皮尔逊特殊节拍数据和标签数据一起作为生成模型的指导条件，缓解模型坍塌问题并降低数据生成难度。其次考虑到导联间特征的完整性和多样性，在生成网络中先使用空洞Unet进行单导联特征提取，然后进行12导联的特征融合，获取完整的ECG特征。本方法在缓解数据不均衡问题上获得了不错的效果，从而提高了ECG分类模型的分类性能。

公开(公告)号：CN118013349A

公开(公告)日：2024-05-10

申请号：CN202311850317.X

申请日：2023-12-29

Applicant: 北京工业大学

Inventor： 杨新武 ,  杨红霄

IPC: G06F18/241 ,  G06F18/2415 ,  G06F18/10 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明提出了一种基于趋势特征增强神经网络的12导联ECG信号分类方法，由于心电信号的导联间特征不连续，长时序性、准周期特征以及疾病关键特征深层训练损失等特点，以原始ECG数据进行疾病检测仍然具有挑战。同时同一模型在不同类别上的分类性能不同，存在弱分类的现象，因此在发明中我们引入趋势特征以增强特殊类别的分类。在该模型中首先获取ECG的趋势特征作为并行数据以增强疾病差异，然后利用可变视野的Unet模块以更好的获取导联间特征，并添加融合局部特征预测的Transformer模块获取长距离特征，另外添加深监督模块缓解梯度消失和收敛速度过慢的问题。本方法在ECG数据上获得了比较高的分类性能。