-
公开(公告)号：CN114118226A
公开(公告)日：2022-03-01
申请号：CN202111293471.2
申请日：2021-11-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于时间卷积网络模型的ECG数据分类方法，具体为：从多个ECG数据库中获取ECG数据组成心电图样本集，并对心电图样本集中的ECG数据进行预处理；构建时间卷积网络模型，并设置时间卷积网络模型的超参数：学习率、样本训练批次数、阈值、迭代次数以及丢弃率；采用预处理后的ECG数据对时间卷积网络模型进行训练，保留时间卷积网络模型的最优参数；对训练好的时间卷积网络模型进行测试；获取待分类的ECG数据，采用时间卷积网络模型对待分类的ECG数据进行分类，得到分类结果。本发明时间卷积网络模型避免了循环神经网络RNN中经常出现的爆炸或消失梯度的问题，同时在处理相同规模数据集的条件下，本发明时间卷积网络模型对数据分类效率更快。
-
公开(公告)号：CN112686091B
公开(公告)日：2024-02-23
申请号：CN202011319283.8
申请日：2020-11-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度神经网络的两步骤心律失常分类方法。属于计算机、软件类领域；具体步骤：1、预处理；2、初始化；3、Bi‑LSTM分类N，SV,F和Q；4、GAN生成不平衡心跳数据；5、Bi‑LSTM分类S和V；本发明适用于收集到的ECG心跳数据不足的心律失常的分类；可以保证较高的分类准确率；此外采用的两步骤分类框架充分考虑了医学事实，因此本发明可以保证较高的分类准确率，具有实际意义。(56)对比文件Le Sun等.BeatClass：A sustainable ECGclassification system in IoT-basedeHealth《.IEEE Internet of ThingsJournal》.2022,第9卷(第10期),第7178-7195页.王逸琳.类不平衡条件下的心电图心跳分类算法的研究《.中国优秀硕士学位论文全文数据库 医药卫生科技辑》.2023,第2023卷(第01期),第E060-14页.
-
公开(公告)号：CN112686091A
公开(公告)日：2021-04-20
申请号：CN202011319283.8
申请日：2020-11-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度神经网络的两步骤心律失常分类方法。属于计算机、软件类领域；具体步骤：1、预处理；2、初始化；3、Bi‑LSTM分类N，SV,F和Q；4、GAN生成不平衡心跳数据；5、Bi‑LSTM分类S和V；本发明适用于收集到的ECG心跳数据不足的心律失常的分类；可以保证较高的分类准确率；此外采用的两步骤分类框架充分考虑了医学事实，因此本发明可以保证较高的分类准确率，具有实际意义。
-
公开(公告)号：CN112052750A
公开(公告)日：2020-12-08
申请号：CN202010841403.4
申请日：2020-08-20
Applicant: 南京信息工程大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , A61B5/0402 , A61B5/00
Abstract: 本发明公开了一种基于类不平衡传感数据与深度模型的心律失常分类方法，属于智慧医疗技术邻域；该方法首先收集原始传感数据并截取心拍，利用GAN网络生成数据不平衡类的心拍，收集足够的数据后，训练一个基于堆叠的Bi‑LSTM的分类模型，利用训练完成后的Bi‑LSTM分类模型将输入的未知类别的心拍数据分类。本发明方法适用于数据不平衡条件下的心律失常分类，可以避免因为心拍数据的不足而对分类的结果造成影响，从而提高了心拍分类的准确率。
-
-
-
Search Results
4
records
(took 0.029 seconds)
