一种基于深度神经网络的多标签多导联心电图分类方法

发明专利有效专利

申请号：
CN202110690012.1
IPC分类号：A61B5/318;A61B5/271;A61B5/282;A61B5/00
申请日期：
2021-06-22
申请人：
郑州大学;云心电网络科技（上海）有限公司;河南云心电网络科技有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度神经网络的多标签多导联心电图分类方法
申请号	CN202110690012.1	申请日期	2021-06-22
法律状态	实质审查	申报国家	中国
公开/公告日	2021-08-10	公开/公告号	CN113229825A
优先权	暂无	优先权号	暂无
主分类号	A61B5/318	IPC分类号	A;6;1;B;5;/;3;1;8;;;A;6;1;B;5;/;2;7;1;;;A;6;1;B;5;/;2;8;2;;;A;6;1;B;5;/;0;0查看分类表>
申请人	郑州大学;云心电网络科技（上海）有限公司;河南云心电网络科技有限公司	申请人地址	河南省郑州市高新技术开发区科学大道100号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	郑州大学,云心电网络科技（上海）有限公司,河南云心电网络科技有限公司	当前权利人	郑州大学,云心电网络科技（上海）有限公司,河南云心电网络科技有限公司
发明人	李润川;宋洪军;宋鲲鹏;周兵;汪振华;王宗敏;王淑红
代理机构	郑州裕晟知识产权代理事务所（特殊普通合伙）	代理人	王瑞

摘要

本发明提供一种基于深度神经网络的多标签多导联心电图分类方法，将原始心电信号经过预处理为12导联信号输入到多尺度残差网络模型中进行处理分类，多尺度残差网络模型包括特征融合部分以及多尺度特征融合部分；特征融合部分包括卷积层以及第一最大池化层，多尺度特征融合部分包括32层卷积网络层以及全连接层，全连接层包括两个第二最大池化层，卷积层与第一最大池化层之间、每个分支的32层卷积层与第二最大池化层之间均依次设置通道空间注意力机制模块；本发明提供的多标签多导联心电图分类方法中的多尺度残差网络模型具有良好的表现性能，并且具有良好的泛化性能。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供