申请/专利权人：国网湖北省电力有限公司襄阳供电公司;国网湖北省电力有限公司电力科学研究院;湖北方源东力电力科学研究有限公司

申请日：2024-01-29

公开（公告）日：2024-04-09

公开（公告）号：CN117838140A

主分类号：A61B5/318

分类号：A61B5/318;G06F18/10;G06F18/214;G06F18/24;G06F18/213;G06F18/25;G06F18/23213;A61B5/346;A61B5/00

优先权：

专利状态码：在审-公开

法律状态：2024.04.09#公开

摘要：一种针对长时间序列心电信号的跨模态多尺度多示例心电信号分类方法，包括:收集获取现有开源心电信号数据集，对现有开源心电信号数据集依据多示例学习的范式进行预处理，并划分训练集、验证集及测试集；构建由跨模态多尺度多示例网络特征提取主干网络、多模态多示例聚合模块、分类层网络构成的心电信号分类网络；分别使用患者内模式和患者间模式划分得到的训练集进行权重参数的学习，和经过验证集的进一步优化调整，最终由测试集得完成对于长时间序列心电信号的分类测试，确定最终的分类结果。本发明针对长时间序列心电信号难以成功分类的问题，提出了一种跨模态多尺度多示例心电信号分类方法，大大提高了长时间序列心电信号的分类精度。

主权项：1.一种针对长时间序列心电信号的跨模态多尺度多示例心电信号分类方法，其特征在于，包括如下步骤：步骤S1、收集获取现有开源心电信号数据集，对现有开源心电信号数据集依据多示例学习的范式进行预处理，并划分训练集、验证集及测试集；步骤S2、构建由跨模态多尺度多示例网络特征提取主干网络、多模态多示例聚合模块、分类层网络构成的心电信号分类网络；步骤S3、将训练集送入步骤S2所得心电信号分类网络进行训练，由跨模态多尺度多示例网络特征提取主干网络提取特征，多模态多示例聚合模块聚合多模态、多尺度的特征，最后将提取的特征输入分类层网络进行分类和类别的输出，分析检测结果；在训练过程中对训练误差进行梯度下降，完成可训练的权重参数学习，得到训练完成的心电信号分类模型；步骤S4、将验证集送入步骤S3训练完成的心电信号分类模型，进一步估计泛化误差，调整心电信号分类模型的超参数；步骤S5、使用超参数调整优化完成后的心电信号分类模型检测测试集，完成心电信号的分类，评价测试结果，然后使用测试合格的心电信号分类模型检测待分类的长时间序列心电信号。

全文数据：

权利要求：

百度查询： 国网湖北省电力有限公司襄阳供电公司;国网湖北省电力有限公司电力科学研究院;湖北方源东力电力科学研究有限公司 一种针对长时间序列心电信号的跨模态多尺度多示例心电信号分类方法

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