申请/专利权人:吉林大学
申请日:2024-01-30
公开(公告)日:2024-04-12
公开(公告)号:CN117648570B
主分类号:G06F18/213
分类号:G06F18/213;G06F17/16;G06F18/10;G06F18/25;A61B5/332;A61B5/346;A61B5/00
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2024.03.22#实质审查的生效;2024.03.05#公开
摘要:本发明公开了一种基于人工智能的心电监测与数据分析系统,涉及人工智能技术领域,包括监测中心,所述监测中心连接有信号采集模块、数据预处理模块、数据处理模块以及智能分析模块;通过信号采集模块采集用户的心电数据;在数据预处理模块对获得的心电数据进行预处理,获得监测系数集;通过数据处理模块对获得的监测系数集进行特征处理,获得形状特征序列和细节特征序列;在智能分析模块对所获得的形状特征序列和细节特征序列进行循环分析,获得形状特征向量和细节特征向量,并进行重合比对,获得输出监测序列;更加高效、准确的对数据进行分析,增强分析效果,降低人力和时间成本。
主权项:1.一种基于人工智能的心电监测与数据分析系统,包括监测中心,其特征在于,所述监测中心连接有信号采集模块、数据预处理模块、数据处理模块以及智能分析模块;所述信号采集模块用于采集用户的心电数据;所述数据预处理模块用于对获得的心电数据进行信号提取,获得原始监测信号,所获得的原始监测信号进行基数分解,获得监测系数集;所述数据处理模块用于根据所获得的监测系数集设置特征阈值,将监测系数集与特征阈值进行比对置换,获得形状特征序列和细节特征序列;所述智能分析模块用于根据所获得的形状特征序列和细节特征序列设置输入层、响应层、输出层,并构建特征向量集,在输入层进行序列编码,获得形状特征向量和细节特征向量,设置原始标识矩阵,在响应层进行向量组合,获得特征监测矩阵,通过与原始标识矩阵进行留存相乘获得留存标识矩阵,在输出层对所获得的留存标识矩阵进行重复融合,获得输出监测序列;根据所获得的形状特征向量和细节特征向量设置原始标识矩阵;将所获得的形状特征向量、细节特征向量以及原始标识矩阵上传至响应层;对所获得的形状特征向量和细节特征向量进行向量组合,获得特征监测矩阵;将所获得的原始标识矩阵与特征监测矩阵进行留存相乘,获得特征标识矩阵,将所获得的特征标识矩阵与特征向量集进行重合比对,获得留存标识矩阵;获得输出监测序列的过程包括:根据所获得的留存标识矩阵设置遗留原始标识矩阵;将所获得的留存标识矩阵记作终点监测矩阵,并将所获得的终点监测矩阵上传至输出层,通过输出层将获得的终点监测矩阵与特征监测矩阵和遗留原始标识矩阵进行融合相加,获得预存序列;将预存序列记作输入序列,上传至输入层,重复获得预存序列的过程,直至满足监测截止条件,获得输出监测序列。
全文数据:
权利要求:
百度查询: 吉林大学 一种基于人工智能的心电监测与数据分析系统
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。