申请/专利权人:安徽心之声医疗科技有限公司
申请日:2019-12-17
公开(公告)日:2020-03-24
公开(公告)号:CN110897633A
主分类号:A61B5/0402(20060101)
分类号:A61B5/0402(20060101);A61B5/0452(20060101);A61B5/0472(20060101);A61B5/00(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2023.01.31#发明专利申请公布后的驳回;2020.04.17#实质审查的生效;2020.03.24#公开
摘要:本发明提出的一种基于深度神经网络的心电信号分割方法,包括:对样本数据进行人工标注,获得样本数据中每一个数据点在P波、PR间期、QRS波群、ST段、T波和TP间期之中的归属;然后结合样本数据训练深度神经网络F;将作为测试数据的标注数据格式的心电信号数据输入训练后的深度神经网络F,获得测试数据中每一个数据点分别归属P波、PR间期、QRS波群、ST段、T波和TP间期的概率;针对测试数据的每一个数据点,获取其最大概率对应的波形为其归属波形。本发明中,通过训练深度神经网络F对测试数据中的每一个数据进行标注,从而获得每一个数据点的归属波形,实现对测试数据的智能分割。
主权项:1.一种基于深度神经网络的心电信号分割方法,其特征在于,包括:S1、首先设置标准数据格式,获得标准数据格式的心电信号数据作为样本数据,标准数据格式为导联数为c,采样率为预设频率;S2、对样本数据进行人工标注,获得样本数据中每一个数据点在P波、PR间期、QRS波群、ST段、T波和TP间期之中的归属;S3、然后结合样本数据训练深度神经网络F,深度神经网络F的输入为标准数据格式的心电信号数据,输出为输入的心电信号数据中每一个数据点分别归属P波、PR间期、QRS波群、ST段、T波和TP间期的概率;S4、将作为测试数据的标注数据格式的心电信号数据输入训练后的深度神经网络F,获得测试数据中每一个数据点分别归属P波、PR间期、QRS波群、ST段、T波和TP间期的概率;S5、针对测试数据的每一个数据点,获取其最大概率对应的波形为其归属波形。
全文数据:
权利要求:
百度查询: 安徽心之声医疗科技有限公司 基于深度神经网络的心电信号分割方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。