公开(公告)号：CN113499086A

公开(公告)日：2021-10-15

申请号：CN202110793239.9

申请日：2021-07-14

Applicant: 北京邮电大学

Inventor： 康桂霞 ,  刘橴默

IPC: A61B5/372 ,  A61B5/374

Abstract: 本发明公开了一种基于深度学习的HFO自动检测系统，包括数据采集模块、数据预处理模块、阈值初始检测模块、小波变换模块、数据存储模块、端到端双分支融合模型和融合模块，采用两阶段的检测流程，第一阶段设计基于阈值的初始检测模块，得到疑似HFOs候选事件集；第二阶段为综合利用带通信号和时频图像在分辨真、伪HFOs方面的优势，提出将带通信号和经小波变换后的时频图像两种模态的数据作为深度学习模型输入，根据不同的输入分别设计有针对性的骨干网络以提取特征，最后将两个角度的特征进行融合，自动分类真、伪HFOs，提高检测的灵敏度和特异性。

公开(公告)号：CN113499086B

公开(公告)日：2022-05-31

申请号：CN202110793239.9

申请日：2021-07-14

Applicant: 北京邮电大学 ,  首都医科大学宣武医院

Inventor： 康桂霞 ,  刘橴默

IPC: A61B5/372 ,  A61B5/374

Abstract: 本发明公开了一种基于深度学习的HFO自动检测系统，包括数据采集模块、数据预处理模块、阈值初始检测模块、小波变换模块、数据存储模块、端到端双分支融合模型和融合模块，采用两阶段的检测流程，第一阶段设计基于阈值的初始检测模块，得到疑似HFOs候选事件集；第二阶段为综合利用带通信号和时频图像在分辨真、伪HFOs方面的优势，提出将带通信号和经小波变换后的时频图像两种模态的数据作为深度学习模型输入，根据不同的输入分别设计有针对性的骨干网络以提取特征，最后将两个角度的特征进行融合，自动分类真、伪HFOs，提高检测的灵敏度和特异性。