申请/专利权人:南京信息工程大学
申请日:2021-08-25
公开(公告)日:2023-05-26
公开(公告)号:CN113679393B
主分类号:A61B5/349
分类号:A61B5/349;A61B5/35;A61B5/364;G06F18/214;G06F18/24;G06N3/048;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2023.05.26#授权;2021.12.10#实质审查的生效;2021.11.23#公开
摘要:本发明公开了一种基于对比预测编码的ECG数据特征生成模型,包括如下步骤:首先将划分ECG训练数据,横向看是正样本对与负样本对,正样本对是相同类别的数据,负样本对是不同类别的数据,纵向看是训练数据与待训练数据,然后通过编码器将训练数据与待训练数据都进行编码,接着把训练数据经过编码得到的结果放入自回归模型得到上下文信息Context,Context进入预测模型后得到未来多步的预测值,最后将预测值与待训练数据经过编码后的值一起计算点积得到损失值。本发明可以扩展样本数量不足的数据,提高下游任务的泛化能力。
主权项:1.基于对比预测编码的ECG数据特征生成模型,其特征在于,包括如下步骤:s1、采用数据集并进行预处理;s2、划分ECG训练数据,划分为正样本对与负样本对,正样本对是相同类别的数据,负样本对是不同类别的数据;正样本对与负样本对中又分别划分出训练数据与待训练数据;s3、搭建对比预测编码CPC模型,输入为训练数据与待训练数据;通过编码器将训练数据与待训练数据都进行编码,接着把训练数据经过编码得到的结果放入自回归模型得到上下文信息Context,Context进入预测模型后得到未来多步的预测值;s4、将预测值与待训练数据经过编码后的值一起计算点积得到损失值;s5、训练对比预测编码CPC模型;s6、将训练好的CPC模型运用到心律失常分类任务中。
全文数据:
权利要求:
百度查询: 南京信息工程大学 基于对比预测编码的ECG数据特征生成模型
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。