[发明专利]一种基于一维卷积神经网络的心电信号分类方法在审
| 申请号： | 201710622047.5 | 申请日： | 2017-07-27 |
| 公开（公告）号： | CN107495959A | 公开（公告）日： | 2017-12-22 |
| 发明（设计）人： | 张强;张建新;李丹;魏小鹏 | 申请（专利权）人： | 大连大学 |
| 主分类号： | A61B5/0402 | 分类号： | A61B5/0402;A61B5/0428 |
| 代理公司： | 大连八方知识产权代理有限公司21226 | 代理人： | 卫茂才 |
| 地址： | 116622 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于一维卷积神经网络的心电信号分类方法。首先，采用小波融合的方法对心电信号去噪处理；其次，采用双正交样条小波的QRS波群识别算法检测出R波峰值点，并以R点为基准完成心电信号的分割及降维，得到若干R波候选段；然后，建立并优化面向心电信号的一维卷积神经网络模型；最后，把处理好的R波候选段作为模型的输入数据，自动完成心电信号的特征提取和分类。本发明采用的小波融合方法，可同时去除高、低频噪声，使提取的信号特征更利于识别；建立的面向心电信号的一维卷积神经网络模型，不仅避免了心电信号特征点必须精准定位的难题，而且解决了传统方法先选择算法提取特征，后选择算法完成分类的复杂计算问题。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 电信号 分类 方法 | ||
【主权项】：
一种基于一维卷积神经网络的心电信号分类方法，其特征在于，该方法包括以下步骤：步骤1：采用小波融合的方法完成心电信号的去噪处理并得到R波候选段；步骤2：建立面向心电信号的一维卷积神经网络模型；步骤3：优化步骤2得到的面向心电信号的一维卷积神经网络模型；步骤4：将步骤1得到的R波候选段输入训练好的一维卷积神经网络模型，完成心电信号的特征提取和分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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大连大学，未经大连大学许可，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/patent/201710622047.5/，转载请声明来源钻瓜专利网。
