申请/专利权人：北京航空航天大学

申请日：2020-08-10

公开（公告）日：2020-11-27

公开（公告）号：CN111990988A

主分类号：A61B5/0402(20060101)

分类号：A61B5/0402(20060101);A61B5/00(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2020.12.15#实质审查的生效;2020.11.27#公开

摘要：本发明公开了一种基于密集连接卷积循环神经网络的心电信号房颤检测装置，包括数据获取模块、预处理模块、房颤检测模块、训练模块；房颤检测模块用于搭建密集连接卷积循环神经网络房颤检测模型，包括一层卷积层、密集连接神经网络、双向循环神经网络和输出判别分类层，其中，密集连接卷积神经网络有效解决梯度消失以及网络延展性问题的同时使得特征得到了更加充分的利用，双向循环神经网络使得网络本身更适用于时序信号的分析场景，检测装置先后从空间域和时间域对心电信号进行检测，通过两种网络的结合和级联最终实现了可观的房颤检测准确率。本发明的技术方案，相比于传统的房颤分段检测操作流程更加简单，鲁棒性和算法的稳定性也更强。

主权项：1.基于密集连接卷积循环神经网络的心电信号房颤检测装置，其特征在于，包括数据获取模块、预处理模块、房颤检测模块、训练模块，其中，所述数据获取模块用于获取包含专业医生标注的房颤信息的单导联心电信号片段；所述预处理模块将所述数据获取模块获取的心电信号片段进行降噪处理去除噪声；所述房颤检测模块用于搭建密集连接卷积循环神经网络房颤检测模型，所述房颤检测模型包括一层卷积层、密集连接神经网络、双向循环神经网络和输出判别分类层，其中，所述密集连接神经网络包括至少一个重复模块，所述重复模块由至少一个密集连接模块与过渡模块连接而成，所述密集连接模块是由至少一层密集连接层构成，每个密集连接层由依次连接的第一批量标准化层、第一线性整流函数层、第一卷积层、第二批量标准化层、第二线性整流函数层和第二卷积层构成，密集连接层之间直接相连；所述密集连接模块之间通过过渡模块连接，所述过渡模块由依次连接的第三批量标准化层、第三线性整流函数层、第三卷积层、池化层构成；所述双向循环神经网络包括至少一层双向循环神经网络；所述输出判别分类层为一个线性分类器，输出结果；所述训练模块的处理过程为对所述密集连接卷积循环神经网络房颤检测模型随机选取初始参数，将所述数据获取模块获得的数据按照比例划分为训练集、验证集和测试集，将训练集和验证集数据用于模型训练和参数选择，循环获得最优参数模型，再用测试集验证最优参数模型的效果；经所述数据获取模块、所述预处理模块、所述房颤检测模块、所述训练模块模型处理后得到最优参数模型，将被检测单导联心电信号直接输入最优参数模型，即能够自动判别被检测单导联心电信号是否有房颤。

全文数据：

权利要求：

百度查询： 北京航空航天大学 基于密集连接卷积循环神经网络的心电信号房颤检测装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD