申请/专利权人:电子科技大学
申请日:2019-12-10
公开(公告)日:2020-03-27
公开(公告)号:CN110916646A
主分类号:A61B5/0402(20060101)
分类号:A61B5/0402(20060101);A61B5/0472(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的视为撤回
法律状态:2021.12.28#发明专利申请公布后的视为撤回;2020.04.21#实质审查的生效;2020.03.27#公开
摘要:本发明提供了一种基于FASTER‑RCNN的QRS波检测方法,主要涉及图像处理领域。该方法主要包括如下要点:1利用小波变换将一维心电信号转化为二维图像数据;2滑动切割图像数据,使得QRS波位于中心位置并构建训练验证集与测试集;3构造基于VGG‑16的FASTER‑RCNN检测网络,并对检测网络进行训练和验证;4基于第二届中国生理信号挑战赛的评分标准计算QRS复合波检测评分和心率评分。与传统的QRS波检测方法相比,本发明引入深度学习中目标识别网络,在保证检测精度的同时也保证了网络训练过程简单,识别速度快,可广泛地应用于医学图像等领域。
主权项:1.一种基于FASTER-RCNN的QRS波检测方法,其特征在于,所述方法包括:步骤1获取第二届中国生理信号挑战赛的心电信号数据,采用小波变换将一维电信号转换为二维图像数据;步骤2滑动切割每一张二维图像数据,使得图片中的QRS波位于中心位置,切割结果为5张图像,按照8:2的比例划分为检测网络的训练验证集和测试集;步骤3构造基于VGG-16的FASTER-RCNN检测网络,包括特征提取网络、RPN网络;步骤4将上述检测网络使用训练集进行模型训练,选出在验证集上表现最优的模型;步骤5将待测图像送入上述选出的模型进行预测,得到QRS波对应的位置和分数,并基于第二届中国生理信号挑战赛的评分标准计算QRS复合波检测评分和心率评分。
全文数据:
权利要求:
百度查询: 电子科技大学 一种基于FASTER-RCNN的QRS波检测方法
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。