申请/专利权人：南京海量物联科技有限公司

申请日：2021-11-12

公开（公告）日：2024-02-09

公开（公告）号：CN114098757B

主分类号：A61B5/364

分类号：A61B5/364;A61B5/35

优先权：

专利状态码：有效-授权

法律状态：2024.02.09#授权;2022.03.18#实质审查的生效;2022.03.01#公开

摘要：本发明涉及异常心电信号智能识别技术领域，具体公开了一种基于量子粒子群优化的ECG信号监测方法，包括：采集用户的ECG信号；对ECG信号进行电磁噪声去除；对去噪预处理后的ECG信号进行心拍分割，获得多个ECG信号样本；将分割后的多个ECG信号样本分为训练集和测试集；构建初始CNN‑SVM模型，将所述训练集中的ECG信号样本输入到CNN‑SVM模型中进行训练，得到训练后的CNN‑SVM模型；将所述测试集中的ECG信号样本输入到所述训练后的心电信号检测网络CNN‑SVM模型中，以进行异常ECG信号的检测。本发明能够有效寻找到使ECG信号识别准确率最高的支持向量机参数，提高CNN‑SVM模型对异常ECG信号的识别精度。

主权项：1.一种基于量子粒子群优化的ECG信号监测方法，其特征在于，包括以下步骤：步骤S1：采集用户的ECG信号；步骤S2：对所述ECG信号进行电磁噪声去除；步骤S3：采用QRS波检测定位对去噪预处理后的ECG信号进行心拍分割，获得多个ECG信号样本；步骤S4：将分割后的多个ECG信号样本分为训练集和测试集；步骤S5：构建初始心电信号检测网络CNN-SVM模型，将所述训练集中的ECG信号样本输入到所述初始心电信号检测网络CNN-SVM模型中进行训练，得到训练后的心电信号检测网络CNN-SVM模型；步骤S6：将所述测试集中的ECG信号样本输入到所述训练后的心电信号检测网络CNN-SVM模型中，以进行异常ECG信号的检测；其中，在所述步骤S5中，所述初始心电信号检测网络CNN-SVM模型包括3个卷积模块、1个全局平均池化层以及1个由量子粒子群优化后的支持向量机，其中，每一所述卷积模块包括1个卷积层、1个批归一化层以及1个最大池化层，并在所述卷积层和所述批归一化层之间加入ReLU激活函数，所述训练集中的ECG信号样本在所述初始心电信号检测网络CNN-SVM模型中的具体处理过程包括：步骤S5.1：输入的所述训练集中的ECG信号样本依次经过3个所述卷积模块进行压缩，得到压缩的信息流；步骤S5.2：将通过3个所述卷积模块压缩的信息流输入到所述全局平均池化层；步骤S5.3：将所述全局平均池化层输出的特征输入到由量子粒子群优化后的支持向量机中，以获取所述训练后的心电信号检测网络CNN-SVM模型；其中，在所述步骤S5.3中，所述量子粒子群对所述支持向量机进行优化的具体过程包括：所述量子粒子群采用三折交叉验证的方法对所述支持向量机的正则化参数和gamma进行寻优，以三折交叉验证的准确率为评分标准，选取得分最高的参数作为所述支持向量机的最终参数。

全文数据：

权利要求：

百度查询： 南京海量物联科技有限公司 一种基于量子粒子群优化的ECG信号监测方法

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