申请/专利权人：上海数创医疗科技有限公司

申请日：2023-12-29

公开（公告）日：2024-04-02

公开（公告）号：CN117807477A

主分类号：G06F18/24

分类号：G06F18/24;A61B5/346;A61B5/349;A61B5/00;G06N3/0442;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本申请涉及一种基于神经网络对心电信号分类的训练方法、系统及介质，包括：随机抽取心电信号上M个位置构建特征空间，心电信号在特征空间位置上的信号构成特征集；将特征空间位置上信号构成的特征集输入训练后的深度学习网络框架进行判断，得到预测结果；根据预测结果与人工诊断的实际结果，计算各抽取位置对分类准确性的贡献度；选取分类准确性的贡献度最大的M个位置构建新的特征空间，将心电信号在新的特征空间位置上的信号所构成的特征集作为输入，诊断结论作为标签，重新训练深度学习网络框架；得到重新训练后的深度学习网络框架。根据分类准确性的贡献度训练深度学习网络框架，分类准确性高，且训练过程更加简便。

主权项：1.一种基于神经网络对心电信号分类的训练方法，其特征在于，包括：获取心电信号，并通过人工诊断得到诊断结论；将所述心电信号构成的特征集作为输入，诊断结论作为标签，训练深度学习网络框架；随机抽取所述心电信号上M个位置构建特征空间，所述心电信号在所述特征空间位置上的信号构成特征集；将所述特征空间位置上信号构成的特征集输入训练后的所述深度学习网络框架进行判断，得到预测结果；根据所述预测结果与人工诊断的实际结果，计算各抽取位置对分类准确性的贡献度；选取所述分类准确性的贡献度最大的M个位置构建新的特征空间，将所述心电信号在所述新的特征空间位置上的信号所构成的特征集作为输入，诊断结论作为标签，重新训练所述深度学习网络框架；得到重新训练后的深度学习网络框架。

全文数据：

权利要求：

百度查询： 上海数创医疗科技有限公司 基于神经网络心电信号分类的训练方法、系统及介质

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