专利交易市场

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。

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。

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。

本发明公开了一种心电图中的房颤检测方法，具体涉及信号识别与医学疾病诊断领域。所述方法为：首先采用快速终止滤波和小波分解重构方法对ECG信号的混合噪声进行滤除，同时最大程度地留保原ECG信号中的特征。接着采用小波变换的方法对ECG信号中地波形进行检测，将ECG信号中的所有波形位置进行定位。然后基于医学诊断逻辑设计针对房颤检测的方法，并提取出算法所需要的特征，将特征表示出来。最后将所提取出的特征应用于算法中，完成房颤检测算法的实现。本发明可以对房颤的具体类型进行诊断，以及特殊类型的房颤也可以被检测出，有效地提升房颤检测的准确率和速度。

本发明公开了一种基于对比预测编码的ECG数据特征生成模型，包括如下步骤：首先将划分ECG训练数据,横向看是正样本对与负样本对，正样本对是相同类别的数据，负样本对是不同类别的数据，纵向看是训练数据与待训练数据，然后通过编码器将训练数据与待训练数据都进行编码,接着把训练数据经过编码得到的结果放入自回归模型得到上下文信息Context，Context进入预测模型后得到未来多步的预测值，最后将预测值与待训练数据经过编码后的值一起计算点积得到损失值。本发明可以扩展样本数量不足的数据，提高下游任务的泛化能力。