[发明专利]一种基于复合深度学习网络的心电图异常检测方法在审
| 申请号： | 201910667783.1 | 申请日： | 2019-07-23 |
| 公开（公告）号： | CN110464334A | 公开（公告）日： | 2019-11-19 |
| 发明（设计）人： | 姚康;付威威;管凯捷;任谊文;朱海龙;潘力 | 申请（专利权）人： | 苏州国科视清医疗科技有限公司 |
| 主分类号： | A61B5/0402 | 分类号： | A61B5/0402 |
| 代理公司： | 11411 北京联瑞联丰知识产权代理事务所(普通合伙) | 代理人： | 周超<国际申请>=<国际公布>=<进入国 |
| 地址： | 215000 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 丢弃 异常检测 导联 拟合 记忆神经网络 标定结果 迭代过程 对比分析 分类结果 滑动窗口 激活函数 检测结果 特征向量 训练过程 对齐 单元格 心电图 映射 建模 运算 复合 融合 全局 网络 学习 | ||
1.一种基于复合深度学习网络的心电图异常检测方法，其特征在于，包括：
(a)通过多个滑动窗口实现对12个导联内的对齐区域做全局异常检测；
(b)结合长短时记忆神经网络对每个导联建模并融合特征向量；
(c)最终通过激活函数将其映射分类结果；
(d)将检测结果与人工标定结果进行对比分析。
2.根据权利要求1所述的心电图异常检测方法，其特征在于，所述长短时记忆神经网络由多个单元级联而成，每一单元包括一忘记门、一输入门和一输出门。
3.根据权利要求2所述的心电图异常检测方法，其特征在于，所述滑动窗口共有三层，所述长短时记忆神经网络共有一层，其中所述滑动窗口每一层采用不同的窗口来提取心电特征。
4.根据权利要求3所述的心电图异常检测方法，其特征在于，所述滑动窗口三层的窗口大小分别是：50，30，10。
5.根据权利要求1所述的心电图异常检测方法，其特征在于，所述滑动窗口中对12个导联信号同时取同样大小的窗口，进行空间对齐特征提取。
6.根据权利要求5所述的心电图异常检测方法，其特征在于，用同样大小的窗口在12个导联心电信号上对所有采样点进行滑动计算特征，并针对每一个窗口，均输出激活函数后的判决值，用于判决该窗口内的心电信号是否存在异常。
7.根据权利要求5所述的心电图异常检测方法，其特征在于，在步骤(b)之中还包括：
(b1)所述长短时记忆神经网络层输出的特征向量与三层所述滑动窗口输出的特征向量拼接融合，将多维数据转化为一维数据；
(b2)使用激活函数完成分类输出；
(b3)在运算时加入随机丢弃层，所述随机丢弃层将在训练过程中按一定比例随机丢弃部分单元格参数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州国科视清医疗科技有限公司，未经苏州国科视清医疗科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910667783.1/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种心电图数据的存储方法及装置
- 下一篇：心电监测手表、切换系统及切换方法
