-
公开(公告)号：CN111297350B
公开(公告)日：2021-08-31
申请号：CN202010122175.5
申请日：2020-02-27
Applicant: 福州大学
IPC: A61B5/346
Abstract: 本发明涉及一种融合源端影响的三心拍多模型综合决策心电特征分类方法，包括以下步骤；步骤S1：采集待测心电信号，并进行预处理，得到心电信号数据集；步骤S2：构建特征提取模型，并提取心电特征和源端特征；步骤S3：构建解码重构模型，并通过解码重构模型将特征提取模型所提取的特征还原成心电信号；步骤S4：构建特征分类模型，对特征提取模型所提取的心电特征进行分类；步骤S5：训练特征提取模型以及解码重构模型，并以解码重构模型的生成信号与原始信号的差异训练特征提取模型以及解码重构模型；步骤S6：融合循环训练步骤S2的特征提取模型的特征，融合决策分类结果。本发明优化特征提取，综合考虑各种因素以提高心电分类准确度。
-
公开(公告)号：CN115429288A
公开(公告)日：2022-12-06
申请号：CN202211256703.1
申请日：2022-10-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于集成学习与二级分层网络的十二导联心拍分类方法。采用十二导联心电数据作为输入，建立基于卷积神经网络和长短时记忆网络的多输入心拍分类集成模型，实现五大类心律失常智能化分类识别，模型中采用集成学习方法与二级分层网络，组合不同个体分类器搭建集成学习模型框架，解决不均衡数据集的分类效果不佳的问题，从而有效提高心律失常分类的整体性能指标，有望缓解医护人员繁重的判读工作压力，为智慧医疗领域中心电的智能判读研究提供新思路。
-
公开(公告)号：CN115429288B
公开(公告)日：2024-09-06
申请号：CN202211256703.1
申请日：2022-10-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于集成学习与二级分层网络的十二导联心拍分类方法。采用十二导联心电数据作为输入，建立基于卷积神经网络和长短时记忆网络的多输入心拍分类集成模型，实现五大类心律失常智能化分类识别，模型中采用集成学习方法与二级分层网络，组合不同个体分类器搭建集成学习模型框架，解决不均衡数据集的分类效果不佳的问题，从而有效提高心律失常分类的整体性能指标，有望缓解医护人员繁重的判读工作压力，为智慧医疗领域中心电的智能判读研究提供新思路。
-
公开(公告)号：CN111297350A
公开(公告)日：2020-06-19
申请号：CN202010122175.5
申请日：2020-02-27
Applicant: 福州大学
IPC: A61B5/0402
Abstract: 本发明涉及一种融合源端影响的三心拍多模型综合决策心电特征分类方法，包括以下步骤；步骤S1：采集待测心电信号，并进行预处理，得到心电信号数据集；步骤S2：构建特征提取模型，并提取心电特征和源端特征；步骤S3：构建解码重构模型，并通过解码重构模型将特征提取模型所提取的特征还原成心电信号；步骤S4：构建特征分类模型，对特征提取模型所提取的心电特征进行分类；步骤S5：训练特征提取模型以及解码重构模型，并以解码重构模型的生成信号与原始信号的差异训练特征提取模型以及解码重构模型；步骤S6：融合循环训练步骤S2的特征提取模型的特征，融合决策分类结果。本发明优化特征提取，综合考虑各种因素以提高心电分类准确度。
-
-
-
Search Results
4
records
(took 0.015 seconds)
