申请/专利权人:天津工业大学
申请日:2023-12-29
公开(公告)日:2024-04-16
公开(公告)号:CN117883095A
主分类号:A61B5/352
分类号:A61B5/352;A61B5/318;A61B5/00;G16H50/20
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明公开一种房颤辨识系统及方法,涉及心电检测技术领域,该系统包括:主控模块和上位机;上位机与主控模块连接;主控模块用于:对接收的心电数据进行R波定位,从R波定位后的心电数据中截取包含第一设定数量个RRI的心电数据;RRI为相邻两个R波的横坐标差值;从心电数据中提取多个心电特征组成第一特征矩阵;多个心电特征包括时域、频域和非线性域特征;时域特征包括心电数据中根据RRI与RRI平均值确定的房颤特征值;将第一特征矩阵输入房颤辨识模型得到房颤辨识结果;房颤辨识模型是采用训练集对神经网络进行训练得到的;神经网络包括融合网络和分类网络;上位机用于显示房颤辨识结果。本发明提高了房颤识别的准确性。
主权项:1.一种房颤辨识系统,其特征在于,包括:主控模块和上位机;所述上位机与所述主控模块连接;所述主控模块用于:对接收的心电数据进行R波定位,从R波定位后的心电数据中截取包含第一设定数量个RRI的心电数据;RRI为相邻两个R波的横坐标差值;从包含第一设定数量个RRI的心电数据中提取多个心电特征,并将提取的多个心电特征组成第一特征矩阵;多个心电特征包括时域特征、频域特征和非线性域特征;所述时域特征包括心电数据中根据RRI与RRI平均值确定的房颤特征值;将所述第一特征矩阵输入房颤辨识模型,得到房颤辨识结果;所述房颤辨识结果为房颤或者非房颤;所述房颤辨识模型是采用训练集对神经网络进行训练得到的;所述神经网络包括融合网络和分类网络;所述融合网络用于根据多尺度卷积和多头注意力机制,得到所述第一特征矩阵的融合特征;所述分类网络根据长短期记忆网络和多层感知器对所述融合特征进行分类,得到房颤辨识结果;所述上位机用于显示所述房颤辨识结果。
全文数据:
权利要求:
百度查询: 天津工业大学 一种房颤辨识系统及方法
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。