申请/专利权人：厦门大学

申请日：2024-03-18

公开（公告）日：2024-04-16

公开（公告）号：CN117883091A

主分类号：A61B5/318

分类号：A61B5/318;G06F18/213;G06F18/24;G06F18/25;G06N3/0442;G06N3/0464;G06N3/048;G06N3/08;A61B5/346;A61B5/00

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：公开了一种基于ECG数据的高血压介导心脏损伤检测方法，基于待检测病例的12导联的ECG数据构建并训练获取一个MML‑Net网络，所述MML‑Net网络包括相互连接的特征提取模块、特征融合模块和MLP分类器，利用特征提取模块和特征融合模块提取多尺度的波形特征向量和时间特征向量，所述特征提取模块采用两层挤压‑激励残差块对所述12导联的ECG数据进行整合，使用所述MLP分类器预测病例患有高血压的概率，基于MML‑Net网络进行可解释分析，搭建ECG‑XAI可解释框架，得到与标准ECG特征波形相对齐的心拍级显著性图，实现基于ECG时序数据对高血压介导心脏损伤的早期检测，提高了高血压介导心脏损伤早期检测的精度和鲁棒性。

主权项：1.一种基于ECG数据的高血压介导心脏损伤检测方法，其特征在于，包括：S1、采集待检测病例的12导联的ECG数据与临床诊断数据，对所述ECG数据进行低频滤 波与50Hz工频滤波，剔除含有异常的ECG样本，将所述ECG数据限幅至，计算所述 ECG数据中每个样本的每个导联的方差、平均值和四分位数； S2、基于所述ECG数据构建并训练获取一个MML-Net网络，所述MML-Net网络包括相互连接的特征提取模块、特征融合模块和多层感知器MLP分类器，利用特征提取模块和特征融合模块提取多尺度的波形特征向量和时间特征向量，所述特征提取模块采用两层挤压-激励残差块对所述12导联的ECG数据进行整合，使用所述多层感知器MLP分类器预测病例患有高血压的概率；S3、基于所述MML-Net网络进行可解释分析，搭建ECG-XAI可解释框架，计算输入ECG各个采样点对于高血压检测的显著性，并根据ECG特征波形对显著性图进行分割对齐，得到与标准ECG特征波形相对齐的心拍级显著性图，分析获得对于高血压检测的重要ECG片段。

全文数据：

权利要求：

百度查询： 厦门大学 一种基于ECG数据的高血压介导心脏损伤检测方法

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