龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：长春理工大学;吉林大学第一医院
申请日：2024-04-01
公开（公告）日：2024-05-03
公开（公告）号：CN117972439A
主分类号：G06F18/214
分类号：G06F18/214;G06F18/21;G06F18/10;G06F18/213;G06N3/0455;G06N3/0475;G06N3/094;G06N3/084;G06N3/0985;A61B5/0245;A61B5/346;A61B5/00;G06F123/02
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.21#实质审查的生效;2024.05.03#公开
摘要：本发明属于医学信息预测技术领域，公开了基于增强空间构造与生成对抗网络的心率预测方法及系统。该方法以原数据集经EMD经验模态分解算法滤除噪声；将原始高维心率信号映射至构造空间，在低维空间中将数据输入拼接噪声，首先训练构造网络与逆构造网络，然后交替训练生成对抗网络模型中的生成网络与判别网络，生成更真实的数据，以及区分真实数据与生成数据之间的区别；再利用多损失值复合训练模型训练深度学习模型GAN‑ECGformer；训练完毕后检查预测样本质量。本发明不仅提高了预测的准确性，而且确保了生成效果的多样性，从而使模型能够有效处理更广泛类型的心率数据。
主权项：1.一种基于增强空间构造与生成对抗网络的心率预测方法，其特征在于，该方法包括：S1，原数据集经EMD经验模态分解算法滤除噪声；S2，将原始高维心率信号通过深度学习模型GAN-ECGformer构造网络与逆构造网络映射至构造空间，在低维空间中将心率波形数据输入拼接噪声；首先训练构造网络与逆构造网络，然后交替训练生成对抗网络模型中的生成网络与判别网络，生成更真实的数据，区分真实数据与生成数据之间的区别，利用多损失值复合训练模型训练深度学习模型GAN-ECGformer；S3，深度学习模型GAN-ECGformer训练完毕后，检查预测样本质量，利用RMSE指标、MAE指标、PRD指标、FD指标评估深度学习模型GAN-ECGformer预测准确度。
全文数据：
权利要求：
百度查询： 长春理工大学;吉林大学第一医院 基于增强空间构造与生成对抗网络的心率预测方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号