公开(公告)号：CN113679393A

公开(公告)日：2021-11-23

申请号：CN202110978438.7

申请日：2021-08-25

Applicant: 南京信息工程大学

Inventor： 孙乐 ,  任超旭

IPC: A61B5/349 ,  A61B5/35 ,  A61B5/364 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于对比预测编码的ECG数据特征生成模型，包括如下步骤：首先将划分ECG训练数据,横向看是正样本对与负样本对，正样本对是相同类别的数据，负样本对是不同类别的数据，纵向看是训练数据与待训练数据，然后通过编码器将训练数据与待训练数据都进行编码,接着把训练数据经过编码得到的结果放入自回归模型得到上下文信息Context，Context进入预测模型后得到未来多步的预测值，最后将预测值与待训练数据经过编码后的值一起计算点积得到损失值。本发明可以扩展样本数量不足的数据，提高下游任务的泛化能力。

公开(公告)号：CN113679393B

公开(公告)日：2023-05-26

申请号：CN202110978438.7

申请日：2021-08-25

Applicant: 南京信息工程大学

Inventor： 孙乐 ,  任超旭

IPC: A61B5/349 ,  A61B5/35 ,  A61B5/364 ,  G06F18/214 ,  G06F18/24 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于对比预测编码的ECG数据特征生成模型，包括如下步骤：首先将划分ECG训练数据,横向看是正样本对与负样本对，正样本对是相同类别的数据，负样本对是不同类别的数据，纵向看是训练数据与待训练数据，然后通过编码器将训练数据与待训练数据都进行编码,接着把训练数据经过编码得到的结果放入自回归模型得到上下文信息Context，Context进入预测模型后得到未来多步的预测值，最后将预测值与待训练数据经过编码后的值一起计算点积得到损失值。本发明可以扩展样本数量不足的数据，提高下游任务的泛化能力。