一种基于心电波形图全局与局部深度特征融合的异常心电图筛查方法，包括以下步骤：步骤一，构建检测网络模型，检测出心电图像中完整心博；步骤二，构建局部特征提取网络，提取步骤一中检测出完整心博区域的局部特征；步骤三，构建全局特征提取网络，提取心电图像的全局特征；步骤四，构建深度特征融合网络；步骤五，整体训练步骤四中的深度特征融合网络；利用训练得到的深度特征融合网络对心电图像进行正常异常二分类。本发明可以利用心电图的全局特征和局部特征准确的筛查出异常心电图。
📄 2019110277615
📂 A61B5_0402
👤 浙江工业大学
📅 2019-10-28
本发明提供一种单导联心电信号辅助诊断方法及诊断终端，属于互联网医疗领域，方法包括：构建单导联心电信号辅助系统的功能架构，提取单导联心电信号辅助系统中的心电信号；对心电信号进行预处理；预处理方式包括：按照预设时长对心电信号进行划分；对划分后的心电信号进行滤波处理；对滤波后的心电信号进行数据归一化处理；对数据归一化后的心电信号进行傅里叶变换处理；提心电信号数据的特征；采用拼接的方式将提取的所有特征进行融合；将融合后的特征输入至Adaboost迭代算法，得出诊断结果。本发明融合了心电信号各个维度的特征，有效的解决现有特征存在的不足的现状，从而得到比单一数据模型信息量更大、应用性更高、鲁棒性更强的模型。
📄 2023103696733
📂 A61B5_318
👤 济南大学; 山东渔夫智能科技有限公司
📅 2023-04-10
本发明实施例公开了一种基于顺序池化卷积神经网络和递归神经网络的可除颤心律识别装置，对原始心电信号进行滑动窗处理；通过卷积层实现各滑动窗内心电数据的带通滤波和波形斜率计算；提取各滑动窗内心电数据斜率的分布特征；将斜率分布特征输入递归神经网络，利用斜率分布特征的动态时序关系识别可除颤心律。心律识别模型以识别误差最小化为目标，联合优化心电信号的预处理、特征提取和分类，在充分利用了心电信号斜率分布的动态信息的同时，实现了由原始心电信号到心律类别标记的端到端的学习，能自动调整带通滤波和斜率计算的参数，从而为院外心脏除颤急救提供更加准确的判据，同时减少对心电检测时长的需求，提高急救效率。
📄 2018112523516
📂 A61B5_318
👤 广东工业大学
📅 2018-10-25
本发明公开了基于双U‑Net融合长短程上下文信息的心电特征点定位方法，包括：预处理心电信号，包括重采样至统一采样率，并去除噪声干扰；分割心电信号，基于R峰位置切割成单心拍片段和近邻多心拍片段；对分割后的心拍片段应用数据增强操作；使用双U‑Net提取特征，包括第一U‑Net提取单心拍片段的局部语义特征，第二U‑Net提取多心拍片段的全局语义特征；通过跨层次双重门控模块融合所述局部语义特征和全局语义特征，生成提纯后的融合特征；基于融合特征定位心电信号的特征点，包括P波、QRS波群和T波的位置。本发明提升特征点定位的精度与鲁棒性。
📄 2025111007318
📂 A61B5_349
👤 广东工业大学
📅 2025-08-07
本发明实施例公开了一种心电信号单导联f波提取方法和装置，根据所检测的心电信号的R峰位置，将心电信号切割为多个单独的初始心拍信号；对各初始心拍信号进行高斯增强，得到高斯增强后的心拍信号；采用基于DTW距离的近邻算法，确定出每个心拍信号的K个近邻心拍。计算各心拍信号与其相应的K个近邻心拍的DTW残差向量，并依据DTW残差向量，得到各心拍信号的f波信号；拼接各f波信号，以完成对心电信号f波的提取。以K个近邻心拍为模板对相应的心拍信号进行DTW重构，将所得的K个残差向量进行平均得到f波，实现了对R峰检测误差的校正，减少了畸变QRS波的影响，提升了f波提取的准确性，为房颤临床诊断提供可靠的依据。
📄 2019104775204
📂 A61B5_349
👤 广东工业大学
📅 2019-06-03
本申请提供一种动态心电图心拍分类方法、装置、设备及存储介质。涉及心电图心拍分类技术领域。该方法包括：对数据集进行预处理，得到ECG心拍的多视角数据，并进行特征提取，得到多视角特征；将多个心拍的多视角特征嵌入根据邻域大小从0到l递增进行分组，每个组内各视角的特征在时间轴上统一为相同长度，并在通道轴上连接，形成多范围组，对每个范围组分别使用多视角交叉注意力机制以获取多视角融合特征，并从不同范围的多组别特征中提取判别性信息，得到注意力增强特征；将注意力增强特征与R‑R间隔一同输入至分类头中，获得分类预测结果。本申请有效应对ECG信号固有的多样性，改善分类模型的泛化性能。
📄 202510877536X
📂 G06F18_24
👤 广东工业大学
📅 2025-06-27
本发明公开了一种基于元学习的自适应心电信号压缩方法，包括：获取目标心电信号，对所述心电信号进行预处理，获得预处理后的心电信号；将所述预处理后的信号输入嵌套瓶颈自编码器，通过动态路由选择压缩比；提取信号片段的元特征，通过元学习器根据元特征和预设重构误差阈值选择压缩模型；当预测熵超过设定阈值时，切换至差分脉冲编码调制与bzip2混合的保障压缩模式；使用选定模型对心电信号进行压缩编码。本发明能够根据信号的复杂程度自适应地选择合适的压缩倍数模型，从而在给定的重构误差范围内，实现更好的压缩性能和更高的压缩效率。
📄 2025107918633
📂 A61B5_00
👤 广东工业大学
📅 2025-06-13
本发明涉及人工智能，提供一种基于多导联心电信号的分类方法、装置、设备及介质。该方法能够对每个导联中的心电信号数据进行预处理，得到标准数据并生成标准样本，对标准样本进行样本增强，得到信号训练样本，基于网络提取层对训练数据进行特征提取，得到信号特征，基于网络分类层对信号特征进行映射处理，得到导联类别特征，将导联类别特征输入至决策融合层，得到预测结果，调整所述预设网络中的参数，直至相似距离小于预设距离，及预设网络的损失值不再降低，得到信号分类模型，将多导联数据输入至信号分类模型中，得到目标类别。本发明能够准确的确定出目标类别。此外，本发明还涉及区块链技术，所述目标类别可存储于区块链中。
📄 2021106049187
📂 A61B5_346
👤 平安科技(深圳)有限公司
📅 2021-05-31
本申请涉及心电信号的识别领域，揭示了一种异常心电信号的检测方法、装置、设备及介质，其中方法包括：获取可穿戴设备采集的待检测心电信号；调用基于第一注意力机制的神经网络识别所述待检测心电信号，得到窗口信号；所述窗口信号为所述待检测心电信号中表征连续心跳的信号；调用基于第二注意力机制的神经网络将所述窗口信号中连续心跳的各个信号进行分割，得到每一个心跳的心跳信号；调用基于第三注意力机制的神经网络识别所述心跳信号，确定所述心跳信号中的各个波形信号；在数据库中对所述波形信号进行匹配，得到目标信号，所述目标信号为所述待检测心电信号中触发心房颤动的异常心电信号。本申请能够提高心电信号识别的准确度与可解释度。
📄 2021106026791
📂 A61B5_346
👤 平安科技(深圳)有限公司
📅 2021-05-31
本发明涉及一种基于稀疏分解的心电信号去噪方法，主要解决采集心电信号时其含有多种噪音对心电信号的影响。步骤如下：第一步，获取含有噪音的原始心电信号；利用近似奇异值分解的稀疏K‑SVD算法对超完备字典进行训练；在此字典基础上，利用基于残差比迭代方式的OMP算法对信号进行稀疏表示得出稀疏编码系数，利用训练好的字典与稀疏编码系数来重构去噪后的信号。本发明有效地解决了不同强度噪音下心电信号去噪问题。
📄 2018114768791
📂 G06F18_214
👤 陕西科技大学
📅 2018-12-05
本申请适用于计算机技术领域，提供了一种检测心电信号的方法、装置、终端及存储介质，包括：获取待检测的心电信号；将该心电信号输入到已训练的心电信号检测模型中进行处理，得到该心电信号中异常心电信号的位置以及该异常心电信号对应的异常类型。上述方式，基于该心电信号检测模型中的异常心电信号筛选模块可以从心电信号中筛选出异常心电信号，并确定该异常心电信号的位置，该心电信号检测模型中的分类模块可以对异常心电信号进行分析，得到该异常心电信号对应的异常类型。基于该方法，不仅可以准确地对待检测的心电信号中的异常心电信号进行定位，同时还可以准确地识别出该异常心电信号的异常类型，提升了解读心电信号的速率以及准确率。
📄 2020115600668
📂 A61B5_349
👤 平安科技(深圳)有限公司
📅 2020-12-25
本发明涉及心率变异性分析技术领域，本发明公开了一种心率变异性的评估方法、系统、设备及存储介质，包括确定目标外部影响因素，基于目标外部影响因素确定影响值；获取心率数据，对心率数据进行处理，获取实测心率变异性数据；对实测心率变异性数据等分划分，得到周期性实测心率变异性数据一、周期性实测心率变异性数据二、…和周期性实测心率变异性数据m；基于周期性实测心率变异性数据一、周期性实测心率变异性数据二、…和周期性实测心率变异性数据m进行计算，获取训练效果评估基准值和M‑1个训练效果实测值；对训练效果评估基准值和M‑1个训练效果实测值进行计算，获取效果评估系数，基于效果评估系数进行分析，确定减压训练效果。
📄 2023111905073
📂 A61B5_024
👤 广州麦笛亚医疗器械有限公司
📅 2023-09-15
柿子坊 · 知识产权运营
柿子坊知识产权运营平台