申请/专利权人：齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心);山东省人工智能研究院

申请日：2023-11-13

公开（公告）日：2024-01-09

公开（公告）号：CN117357129A

主分类号：A61B5/366

分类号：A61B5/366;A61B5/332

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.26#实质审查的生效;2024.01.09#公开

摘要：一种针对可穿戴式设备的心电图QRS波形检测方法，涉及心电信号处理技术领域，使用了一个新的心电信号波形检测网络S2TE_Net，该网络使用了时空特征提取模块和激励挤压模块相结合，以实现对QRS波形的准确检测。在时空特征提取模块中，使用了卷积神经网络CNN和双向长短期记忆网络Bi‑LSTM的结合体。CNN可以捕捉时间序列数据中的空间特征，Bi‑LSTM可以捕获ECG信号中存在的时间特征并平滑高频噪声，从而在可穿戴式设备中获得更准确的QRS波形检测结果。

主权项：1.一种针对可穿戴式设备的心电图QRS波形检测方法，其特征在于，包括如下步骤：a采集心电信号数据，将采集的心电信号数据进行归一化处理；b将归一化后的心电信号数据切割成Z段时长为Xs的信号片段，得到心电信号片段集U，U＝{U1,U2,...,Ut,...,UZ}，Ut为第t条信号片段，t∈{1,2,...,Z}；c建立QRS波形检测网络S2TE_NET，QRS波形检测网络S2TE_NET由第一卷积块、特征提取模块、第二卷积块、挤压激励模块、第三卷积块、Dropout层、全连接层构成；d将第t条信号片段Ut输入到QRS波形检测网络S2TE_NET的第一卷积块中，输出得到特征f1；e将特征f1输入到QRS波形检测网络S2TE_NET的特征提取模块中，输出得到特征f4；f将特征f4输入到QRS波形检测网络S2TE_NET的第二卷积块中，输出得到特征f5；g将特征f5输入到QRS波形检测网络S2TE_NET的挤压激励模块中，输出得到特征f6；h将特征f6输入到QRS波形检测网络S2TE_NET的第三卷积块中，输出得到特征f7；i将特征f7输入到QRS波形检测网络S2TE_NET的Dropout层、全连接层中，输出得到QRS波形检测概率Pn。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心);山东省人工智能研究院 一种针对可穿戴式设备的心电图QRS波形检测方法

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。

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