-
公开(公告)号：CN118114138A
公开(公告)日：2024-05-31
申请号：CN202211520226.5
申请日：2022-11-30
IPC分类号： G06F18/2415 , G06F18/213 , G06F18/10 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本申请提供一种基于渐进学习的周期性信号分析、装置、设备和介质，其中方法包括：获取预处理的周期性信号；将周期性信号输入至待训练深度神经网络模型中；以周期性信号的分辨率由低至高的顺序结合训练规则对待训练深度神经网络模型进行训练；其中，训练包括多个阶段，将每一个训练阶段中满足训练要求的训练参数保留，并将上一阶段的所述训练参数作为下一训练阶段的初始训练参数；将在最后训练阶段中期望训练结果的对应期望参数作为待训练深度神经网络模型的固定参数，得到训练好的深度神经网络模型，可通过深度神经网络模型充分挖掘周期性信号的周期信息，进而根据周期信息分析，得到高准确度的分析结果，实现对周期性信号分析技术的优化。
-
公开(公告)号：CN117617985A
公开(公告)日：2024-03-01
申请号：CN202210987828.5
申请日：2022-08-17
摘要： 本发明涉及可穿戴设备技术领域，公开了一种心电采集装置，包括：可穿戴载体；第一采样电极单元，设置在可穿戴载体上对应于人体右侧躯干部分且对应于人体前胸的位置和对应于人体后背的位置，用于采集人体的第一采样信号；第二采样电极单元，设置在可穿戴载体上对应于人体右侧躯干部分且对应于人体前胸的位置和对应于人体后背的位置，用于采集人体的第二采样信号；偏置电极单元，设置在可穿戴载体上对应于人体右侧躯干部分且对应于人体前胸的位置和对应于人体后背的位置，用于采集人体的第三采样信号，作为参考信号；能够保证睡觉时，心电采集装置的导联不脱落。
-
公开(公告)号：CN118526178A
公开(公告)日：2024-08-23
申请号：CN202310155199.4
申请日：2023-02-22
摘要： 本申请涉及信号处理技术领域，提供一种脉搏波的运动干扰去除方法、装置、设备及存储介质，方法包括：采集待分析信号；其中，所述待分析信号包括同一时刻下的脉搏波信号和加速度信号；其中，所述脉搏波信号带运动干扰；对所述脉搏波信号进行带通滤波，得到带通滤波后的脉搏波信号；利用所述加速度信号和所述带通滤波后的脉搏波信号进行自适应滤波，得到自适应滤波后的脉搏波信号；基于所述自适应滤波后的脉搏波信号，通过谱减法获得经过谱减法滤波的脉搏波信号；基于所述经过谱减法滤波的脉搏波信号，通过稀疏编码及重构获得去除运动干扰的脉搏波信号。本发明提高了运动干扰抑制程度，运动干扰去除效果更好。
-
公开(公告)号：CN118114103A
公开(公告)日：2024-05-31
申请号：CN202211519543.5
申请日：2022-11-30
IPC分类号： G06F18/241 , A61B5/318 , A61B5/346 , A61B5/00 , G06F18/213 , G06F18/10 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本申请公开了一种心拍分类模型的训练方法、装置、设备以及存储介质。采用子波掩膜和/或子波替换的方法对样本心拍信号进行数据增强，得到第一增强心拍信号和/或第二增强心拍信号。通过该心拍分类模型对该样本心拍信号以及第一增强心拍信号和/或第二增强心拍信号进行特征提取，得到该样本心拍信号的第一心拍特征以及该第一增强心拍信号的第二心拍特征和/或第二增强心拍信号的第三心拍特征。基于该第一心拍特征、第二心拍特征和/或第三心拍特征、样本信号的标注类型和/或正负样本心拍信号对心拍分类模型进行训练，使得该心拍分类模型具有对心拍信号进行分类的能力，使用该心拍分类模型对心拍信号进行分类的效率较高。
-
公开(公告)号：CN115040137B
公开(公告)日：2024-09-10
申请号：CN202110251015.5
申请日：2021-03-08
摘要： 本发明公开了一种心电信号参数化方法、模型训练方法、装置、设备及介质。通过将心电信号中的特征波信号参数化，从而可以直接利用这些参数去分析心电信号，临床可解释性好。在后续需要重构心电信号时，只需根据关键点确定第一样条波信号，并根据这些参数调整第一样条波信号得到重构信号。由于无需存储原始的心电图，只需存储参数向量序列，因此，存储的数据量大幅减少，存储成本大幅降低。
-
公开(公告)号：CN115886828A
公开(公告)日：2023-04-04
申请号：CN202111138917.4
申请日：2021-09-27
摘要： 本申请实施例公开了心电分析模型的训练方法、装置、设备及存储介质，其包括：获取心电训练集和心电验证集；将心电训练集中的多个心电信号和心电验证集中的多个心电信号分别输入至心电分析模型，得到多个训练输出结果和多个验证输出结果，心电分析模型包括长短期记忆网络模块；根据多个训练输出结果更新心电分析模型的模型参数，模型参数包括长短期记忆网络模块使用的门权重；根据多个验证输出结果更新长短期记忆网络模块中Gumbel‑Softmax算子的参数，Gumbel‑Softmax算子用于使门权重趋于二值化；继续使用心电训练集和心电验证集训练心电分析模型，直到心电分析模型满足训练停止条件。采用上述方法可以解决相关技术中无法提高LSTM的推理速度的技术问题。
-
公开(公告)号：CN115736937A
公开(公告)日：2023-03-07
申请号：CN202111024832.3
申请日：2021-09-02
摘要： 本发明实施例公开了一种心电信号去噪方法、装置、电子设备及存储介质。所述方法包括：确定心电信号的特征序列，所述特征序列为对所述心电信号分帧后进行特征提取后形成的序列；确定所述特征序列对应的特征字典和匹配概率序列，所述特征字典为基于所述心电信号的波形信息对所述特征序列进行筛选聚类后形成，所述匹配概率序列表征所述特征字典所包括特征参数向量分别与所述特征序列所包括特征参数向量的匹配概率；根据所述匹配概率序列和包含心电波形成分的集合进行信号重构，得到重构信号。利用该方法，能够有效利用心电信号的波形特性，对心电信号中的噪声进行识别和抑制，有效提升噪声抑制效果。
-
公开(公告)号：CN115067967A
公开(公告)日：2022-09-20
申请号：CN202110260893.3
申请日：2021-03-10
IPC分类号： A61B5/366
摘要： 本发明公开了一种心拍信号基准点确定方法、心拍类型识别方法及装置。在获取心电信号后，对心电信号进行特征提取，得到心电信号在多个不同尺度的特征图，基于特征图确定QRS波群的概率图，概率图中概率值大于概率阈值的局部极大值点表示QRS波群的位置信息的候选点，针对每一QRS波群，从多个概率图中筛选出概率值最大的候选点作为表示QRS波群的位置信息的目标点，以及目标点对应的特征图作为目标特征图，基于目标特征图上的区域特征图确定QRS波群所属的心拍信号的基准点。无需基于预设锚点和锚框进行检测，只需基于目标特征图上的区域特征图确定QRS波群所属的心拍信号的基准点即可，节省了计算资源，提高了基准点的检测效率。
-
公开(公告)号：CN115040137A
公开(公告)日：2022-09-13
申请号：CN202110251015.5
申请日：2021-03-08
摘要： 本发明公开了一种心电信号参数化方法、模型训练方法、装置、设备及介质。通过将心电信号中的特征波信号参数化，从而可以直接利用这些参数去分析心电信号，临床可解释性好。在后续需要重构心电信号时，只需根据关键点确定第一样条波信号，并根据这些参数调整第一样条波信号得到重构信号。由于无需存储原始的心电图，只需存储参数向量序列，因此，存储的数据量大幅减少，存储成本大幅降低。
-
公开(公告)号：CN115067967B
公开(公告)日：2024-10-18
申请号：CN202110260893.3
申请日：2021-03-10
IPC分类号： A61B5/366
摘要： 本发明公开了一种心拍信号基准点确定方法、心拍类型识别方法及装置。在获取心电信号后，对心电信号进行特征提取，得到心电信号在多个不同尺度的特征图，基于特征图确定QRS波群的概率图，概率图中概率值大于概率阈值的局部极大值点表示QRS波群的位置信息的候选点，针对每一QRS波群，从多个概率图中筛选出概率值最大的候选点作为表示QRS波群的位置信息的目标点，以及目标点对应的特征图作为目标特征图，基于目标特征图上的区域特征图确定QRS波群所属的心拍信号的基准点。无需基于预设锚点和锚框进行检测，只需基于目标特征图上的区域特征图确定QRS波群所属的心拍信号的基准点即可，节省了计算资源，提高了基准点的检测效率。
-
-
-
-
-
-
-
-
-
搜索结果
213 条记录 (耗时 0.131 秒)
