一种基于脉搏波的心律失常多分类检测方法及系统

    公开(公告)号:CN117942056B

    公开(公告)日:2025-01-28

    申请号:CN202311733171.0

    申请日:2023-12-18

    Applicant: 复旦大学

    Abstract: 本发明提供一种基于脉搏波的心律失常多分类检测方法及系统,涉及智能心律失常分类技术领域,利用心律失常类型预测模型对光电容积脉搏波信号作处理以得到心律失常的类型,该心律失常类型预测模型的波形空间特征提取层对脉搏波信号采集装置传送的信号通过多组顺序有效尺寸的卷积核,将多周期的一维脉搏波信号转化为多层二维空间特征矩阵,通过波形时间特征提取层接收二维空间特征矩阵,并结合学习时间依赖关系输出多维时间特征向量,事件发生预测层接收多维时间特征向量,并通过多层感知机,对心律失常发生类型预测,将光电容积脉搏波信号,输入到端到端的深度学习模型,在线数据处理分析预测心律失常发生类型,有效提升心律失常分类结果的精确性。

    一种基于脉搏波的心率失常多分类检测方法及系统

    公开(公告)号:CN117942056A

    公开(公告)日:2024-04-30

    申请号:CN202311733171.0

    申请日:2023-12-18

    Applicant: 复旦大学

    Abstract: 本发明提供一种基于脉搏波的心律失常多分类检测方法及系统,涉及智能心率失常分类技术领域,利用心律失常类型预测模型对光电容积脉搏波信号作处理以得到心率失常的类型,该心率失常类型预测模型的波形空间特征提取层对脉搏波信号采集装置传送的信号通过多组顺序有效尺寸的卷积核,将多周期的一维脉搏波信号转化为多层二维空间特征矩阵,通过波形时间特征提取层接收二维空间特征矩阵,并结合学习时间依赖关系输出多维时间特征向量,事件发生预测层接收多维时间特征向量,并通过多层感知机,对心律失常发生类型预测,将光电容积脉搏波信号,输入到端到端的深度学习模型,在线数据处理分析预测心律失常发生类型,有效提升心率失常分类结果的精确性。

    一种无接触血氧饱和度检测方法

    公开(公告)号:CN113397535A

    公开(公告)日:2021-09-17

    申请号:CN202110579553.7

    申请日:2021-05-26

    Applicant: 复旦大学

    Abstract: 本发明公开了一种无接触血氧饱和度检测方法,包括以下步骤:通过面诊仪采集得到初始的面中部iPPG信号;对初始的面中部iPPG信号进行处理,获得计算血氧饱和度所需的经验参数,并且得到双波长光源在血液组织中光强投射变化之比;根据经验参数,获得血氧饱和度数值。本发明提供了一种无接触血氧饱和度检测方法,通过使用面诊仪设备,获得稳定的iPPG(成像式光电容积描记法)信号,通过对iPPG信号进行RB通道(红色波长与蓝色波长)的滤波,获得计算血氧饱和度所需的经验参数。

Patent Agency Ranking