申请/专利权人：天津大学;唐山市工人医院

申请日：2023-11-20

公开（公告）日：2024-02-20

公开（公告）号：CN117574956A

主分类号：G06N3/044

分类号：G06N3/044;A61B5/346;A61B5/372;A61B5/00;G06N3/049;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明为一种基于时变循环单元的ECG和EEG关联预测与分析方法，采用时变循环单元作为基本的神经网络单元，使用规则化的连接搭建基于时变循环单元的时变循环神经网络，网络连接规则符合EEG与ECG信号的相互关系，比全连接更具解释性，能够提高网络的学习效率；同时时变循环单元具有可变的时间常数，能够更好地模拟心脏和大脑的电生理活动，更准确地拟合EEG和ECG信号的动态特性。提出了一种新的ECG与EEG信号关联性分析指标——ClEEG,lECG，这个指标有利于更好地理解ECG和EEG之间可能存在的关联性，更符合实际情况。

主权项：1.一种基于时变循环单元的ECG和EEG关联预测与分析方法，其特征在于，所述方法包括以下内容：建立时变循环神经网络的数学模型为： 其中xit是t时刻的时变循环神经网络中第i个时变循环单元的隐藏状态，xi0是初始状态，Ii是第i个时变循环单元的输入，w是状态连接权重，b是输入连接权重；g·是S形激活函数；τ是Iit对应的时间尺度，τ0是网络的初始时间尺度，τn是时间窗内第n个采样点对应的时间尺度，即与前一个采样点的时间间隔；f·是生理时间常数曲线，fτ是时间尺度τ对应的生理时间常数，It是输入，t为时间；A为输入增益；p为时间窗的大小；L＝76是EEG和ECG的总导联个数，N＝5L，表示时变循环神经网络中时变循环单元的个数为总输入的5倍；是时变循环神经网络的第l个输出，l属于自然数且1≤l≤L；当l≤64时，为EEG第l导联的预测值，yl为EEG第l导联的测量值；当65≤l≤76时，为ECG第l-64导联的预测值，yl为ECG第l-64导联的测量值；状态连接权重w和输入连接权重b遵循以下连接规则：a核团规则：每五个时变循环单元组成对应一个导联的EEG或ECG信号的循环单元核团，循环单元核团内部的时变循环神经单元之间是全连接；b输入规则：一个导联的EEG或ECG信号只输入到循环单元核团中的第一个时变循环单元中；c内连规则：若循环单元核团A对应EEG的某一导联，循环单元核团B对应EEG的另一导联，则仅在循环单元核团A的第二个循环时变单元和循环单元核团B的第二个循环时变单元之间存在连接；若循环单元核团A对应ECG，循环单元核团B对应ECG，则仅在循环单元核团A的第二个循环时变单元和循环单元核团B的第二个循环时变单元之间存在连接；d外连规则：若循环单元核团A对应EEG的某一导联，循环单元核团B对应ECG的某一导联，则仅在循环单元核团A的第三个循环时变单元和循环单元核团B的第三个循环时变单元之间存在连接；时变循环神经网络的数学模型中的第一个式子表示时变循环单元的计算模型；制作EEG和ECG时序数据集，训练时变循环神经网络，用于ECG与EEG的关联预测与分析。

全文数据：

权利要求：

百度查询： 天津大学;唐山市工人医院 一种基于时变循环单元的ECG和EEG关联预测与分析方法

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