[发明专利]基于卷积神经网络和长短期记忆网络的心电图分类方法有效
| 申请号： | 201810555347.0 | 申请日： | 2018-06-01 |
| 公开（公告）号： | CN110179453B | 公开（公告）日： | 2020-01-03 |
| 发明（设计）人： | 王英龙;成曦;舒明雷;朱清;周书旺 | 申请（专利权）人： | 山东省计算中心(国家超级计算济南中心) |
| 主分类号： | A61B5/0402 | 分类号： | A61B5/0402 |
| 代理公司： | 37218 济南泉城专利商标事务所 | 代理人： | 支文彬 |
| 地址： | 250014 山东省济*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于卷积神经网络和长短期记忆网络的心电图分类方法，通过多导联心电图数据和卷积神经网络和长短期记忆网络（CNN‑LSTM）组合模型实现心律失常自动分类的方法。一方面多导联心电图较单导联心电图蕴含更多信息，另一方面CNN‑LSTM组合模型结合CNN和LSTM的优点，在学习空间数据结构和时间序列结构方面有着独特优势，利用多导联心电图数据训练CNN‑LSTM能够提高网络的学习效率和心电图识别的精度。 | ||
| 搜索关键词： | 心电图 卷积神经网络 记忆网络 多导联 心电图数据 组合模型 空间数据结构 导联心电图 独特优势 时间序列 心律失常 学习效率 自动分类 分类 网络 学习 | ||
【主权项】：
1.一种基于卷积神经网络和长短期记忆网络的心电图分类方法，其特征在于，包括如下步骤：/na)计算机从MIT-BIH心律失常数据库中获取心电数据，根据心电数据中导联记录内容，选择upper信号为Ⅱ导联信号以及选择lower信号为胸部Ⅰ导联信号作为实验数据；/nb)使用基于双尺度小波变换法对实验数据进行降噪处理，并且定位实验数据中的QRS波群；/nc)通过QRS波群位置获取心电信号中的P波和T波的位置，获取一个心拍数据；/nd)使用X表示一个样本，该样本代表Ⅱ导联信号数据及胸部Ⅰ导联信号数据，其展开形式为X＝{x
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山东省计算中心(国家超级计算济南中心)，未经山东省计算中心(国家超级计算济南中心)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/201810555347.0/，转载请声明来源钻瓜专利网。
- 上一篇：微电极、微电极阵的制作方法及系统
- 下一篇：一种柔性运动健康监测系统
