公开(公告)号：CN115530788A

公开(公告)日：2022-12-30

申请号：CN202211133248.6

申请日：2022-09-17

Applicant: 贵州大学

Inventor： 杨观赐 ,  王越 ,  何玲 ,  刘丹 ,  蓝善根 ,  李杨 ,  杨思远 ,  张睿泽 ,  罗可欣

IPC: A61B5/0245 ,  A61B5/024 ,  A61B5/00 ,  A61B5/349

Abstract: 本发明的一种基于自注意力机制的心律失常分类方法，其特征在于：该方法包括如下步骤：采集心电信号并对数据进行预处理：对心电信号数据进行小波变换预处理，去除心电信号的基线漂移以及噪声；生成心电信号训练数据集；构建多头自注意力机制的心律失常分类网络，其结构包括心电向量表示层、线性区间投影层、信号序列编码层、多头自注意力计算层、归一化层、心电信号输出层；设计基于多头自注意力机制的心律失常分类算法；训练基于多头自注意力机制的心律失常分类网络；对心电信号进行分类。本发明具有能够充分利用心电信号中的丰富的语义信息以及信号的局部相关性，获取低幅值心电信号特征以高效准确的自动识别异常心律的特点。

公开(公告)号：CN118097780A

公开(公告)日：2024-05-28

申请号：CN202410220562.0

申请日：2024-02-28

Applicant: 贵州大学

Inventor： 杨观赐 ,  张睿泽 ,  罗可欣 ,  李杨 ,  何玲 ,  蓝善根 ,  王阳

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/09 ,  G16H20/30

Abstract: 本发明公开了一种基于关键点检测的康复训练动作评估方法，该方法包括：动作分类、动作切分与动作评估；1）获取动作评估所需的动作标签；2）初始化该视频的检测框坐标集合与人体骨骼关键点信息集合；3）采用目标检测算法与关键点检测算法对输入的视频识别提取人体位置信息与骨骼关键点；4）将相关信息输入到基于图卷积神经网络的动作识别算法，得到当前视频对应的动作类别；5）采用基于关节距离比值的动作切分算法对视频图像检测后的信息进行处理，得到当前视频的动作切分结果；6）采用基于动作关节角度阈值的动作评估算法，得到当前视频的动作评估结果。本发明具有成本低、精度高，能够实现端到端的动作识别与评估的优点。