-
公开(公告)号：CN113171102A
公开(公告)日：2021-07-27
申请号：CN202110376948.7
申请日：2021-04-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于持续深度学习的ECG数据分类方法，具体为：获取采样率分别为128Hz和360Hz的ECG数据，对ECG数据进行预处理；构建卷积神经网络模型，并设置模型的超参数；利用构建的卷积神经网络模型结合EWC方法对采样率为128Hz的心拍样本进行训练并测试，得到第一次训练好的卷积神经网络模型；利用第一次训练好的卷积神经网络模型结合EWC方法对采样率为360Hz的心拍样本进行训练并测试，得到ECG数据分类模型；利用采样率为128Hz的心拍样本对ECG数据分类模型进行测试；采用ECG数据分类模型对待分类的ECG数据进行分类，得到分类结果。本发明能够对两种不同采样率的心电数据进行自动、高效、准确地分类心拍类型，进一步提高分类精度，加强模型的泛化能力。
-
公开(公告)号：CN113171102B
公开(公告)日：2022-09-02
申请号：CN202110376948.7
申请日：2021-04-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于持续深度学习的ECG数据分类方法，具体为：获取采样率分别为128Hz和360Hz的ECG数据，对ECG数据进行预处理；构建卷积神经网络模型，并设置模型的超参数；利用构建的卷积神经网络模型结合EWC方法对采样率为128Hz的心拍样本进行训练并测试，得到第一次训练好的卷积神经网络模型；利用第一次训练好的卷积神经网络模型结合EWC方法对采样率为360Hz的心拍样本进行训练并测试，得到ECG数据分类模型；利用采样率为128Hz的心拍样本对ECG数据分类模型进行测试；采用ECG数据分类模型对待分类的ECG数据进行分类，得到分类结果。本发明能够对两种不同采样率的心电数据进行自动、高效、准确地分类心拍类型，进一步提高分类精度，加强模型的泛化能力。
-
公开(公告)号：CN219962847U
公开(公告)日：2023-11-07
申请号：CN202222692934.9
申请日：2022-10-13
Applicant: 南京信息工程大学
IPC: A61B5/02 , A61B5/145 , G08B21/06 , A61B5/0205
Abstract: 本实用新型公开了生理信号检测技术领域的一种司机疲劳驾驶检测仪，包括生理信号采集模块、信号处理装置、单片机、检测结果显示模块，所述生理信号采集模块安装在方向盘左侧或右侧的凹槽内，信号处理装置、单片机安装在方向盘的中心部位，检测结果显示模块安装于方向盘正方时的上方，方向盘上还设有警报铃。本实用新型通过监测人体脉率值和血氧含量来监测车载司机是否疲劳驾驶，且检测仪与汽车方向盘结合，无需主动测量及额外安装设备。
-
-
Search Results
3
records
(took 0.032 seconds)
