申请/专利权人：电子科技大学

申请日：2023-04-19

公开（公告）日：2023-12-15

公开（公告）号：CN117224130A

主分类号：A61B5/318

分类号：A61B5/318;A61B5/339;A61B5/346;A61B5/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.02#实质审查的生效;2023.12.15#公开

摘要：本发明提供了一种COVID‑19后心律失常人工智能检测结果的可视化方法，通过可视化呈现神经网络模型在检测过程中对心电信号的关注点及关注程度，以提高对心律失常的理解和诊断效率。本发明的技术方案包括三个模块：卷积神经网络模型训练模块、可视化重要性映射模块、心电图绘制模块。卷积神经网络模型训练模块用于对心电数据进行特征提取和分类，以区分正常心电信号和心律失常信号。可视化重要性映射模块用于对卷积神经网络模型进行可解释性分析，从而得到对心冠肺炎后心律失常识别最为关键的心电波形区域。心电图绘制模块用于将经过可视化重要性映射模块处理后的心电数据进行可视化呈现，生成二维心电热力图展示心律失常心电识别的关键区域。本发明可以帮助研究人员更好地理解心律失常的机制和发展过程，协助医生更好地诊断和治疗患者，同时也可以提高患者的自我监测和治疗参与度，促进病情的改善和康复。

主权项：1.一种COVID-19后心律失常人工智能检测结果的可视化方法，通过获取预训练的神经网络模型参数，对输入的心电数据进行重要性权重提取，将获取的权重值映射到对应的颜色映射表中，进一步将映射的颜色值叠加在二维心电图上，从而获得神经网络模型在心律失常检测过程中的结果以及对心电信号的关注点及关注程度，其实现过程包括三个模块：卷积神经网络模型训练模块、可视化重要性映射模块、心电图绘制模块；本方法特征在于可视化重要性映射的实现采用梯度-weighted类激活映射算法，算法步骤如下：S1：使用反向传播算法计算最后一个卷积层的特征数据集与损失函数之间的梯度，即计算类别预测分数函数yc相对于卷积层的特征数据Ak的分数梯度S2：对于每条心电数据的特征数据，将得到的梯度进行全局平均池化，得到一个神经元的重要权重值权重值映射出特征数据k对预测目标类别c的影响程度；S3：将获得的权重值与对应的特征数据进行逐条加权后求和，得到一个特征数据的线性组合，每条特征数据的权重值表示该特征数据对目标类别的贡献程度；S4：使用ReLU函数可以保留特征数据中与目标类别有关的部分，并抑制无关部分，从而生成目标类别的类别区分性定位热力图权重值

全文数据：

权利要求：

百度查询： 电子科技大学 一种COVID-19后心律失常人工智能检测结果的可视化方法

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。

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