[發(fā)明專利]ECG信號(hào)的檢測方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)在審
申請?zhí)枺?/td> | 201810362786.X | 申請日: | 2018-04-20 |
公開(公告)號(hào): | CN108926341A | 公開(公告)日: | 2018-12-04 |
發(fā)明(設(shè)計(jì))人: | 王健宗;吳天博;劉新卉;劉莉紅;馬進(jìn);肖京 | 申請(專利權(quán))人: | 平安科技(深圳)有限公司 |
主分類號(hào): | A61B5/0402 | 分類號(hào): | A61B5/0402 |
代理公司: | 深圳市明日今典知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44343 | 代理人: | 王杰輝 |
地址: | 518000 廣東省深*** | 國省代碼: | 廣東;44 |
權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
摘要: | |||
搜索關(guān)鍵詞: | 節(jié)奏類型 檢測 卷積神經(jīng)網(wǎng)絡(luò) 計(jì)算機(jī)設(shè)備 存儲(chǔ)介質(zhì) 訓(xùn)練參數(shù) 全自動(dòng)檢測 物力成本 已知信號(hào) 準(zhǔn)確率 節(jié)約 輸出 替代 醫(yī)學(xué) 申請 | ||
1.一種ECG信號(hào)的檢測方法,其特征在于,包括以下步驟:
將已知信號(hào)節(jié)奏類型的第一ECG信號(hào)輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,訓(xùn)練出對(duì)應(yīng)的訓(xùn)練參數(shù),將得出訓(xùn)練參數(shù)的卷積神經(jīng)網(wǎng)絡(luò)作為ECG信號(hào)的檢測模型;
將待檢測的第二ECG信號(hào)輸入至所述ECG信號(hào)的檢測模型中進(jìn)行計(jì)算,輸出得到所述第二ECG信號(hào)的信號(hào)節(jié)奏類型。
2.根據(jù)權(quán)利要求1所述的ECG信號(hào)的檢測方法,其特征在于,所述將已知信號(hào)節(jié)奏類型的第一ECG信號(hào)輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,訓(xùn)練出對(duì)應(yīng)的訓(xùn)練參數(shù)的步驟之前,包括:
對(duì)所述第一ECG信號(hào)進(jìn)行標(biāo)準(zhǔn)化處理。
3.根據(jù)權(quán)利要求1所述的ECG信號(hào)的檢測方法,其特征在于,所述將待檢測的第二ECG信號(hào)輸入至所述ECG信號(hào)的檢測模型中進(jìn)行計(jì)算,輸出得到所述第二ECG信號(hào)的信號(hào)節(jié)奏類型的步驟,包括:
將待檢測的第二ECG信號(hào)輸入至所述ECG信號(hào)的檢測模型中的輸入層,經(jīng)過32層卷積層卷積后再經(jīng)輸出層輸出,得到所述第二ECG信號(hào)的信號(hào)節(jié)奏類型。
4.根據(jù)權(quán)利要求1所述的ECG信號(hào)的檢測方法,其特征在于,所述卷積神經(jīng)網(wǎng)絡(luò)使用的損失函數(shù)為交叉熵?fù)p失函數(shù),所述卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法為Adam方法。
5.根據(jù)權(quán)利要求3所述的ECG信號(hào)的檢測方法,其特征在于,所述經(jīng)過32層卷積層卷積后再經(jīng)輸出層輸出的步驟之前,包括:
對(duì)所述第二ECG信號(hào)依次進(jìn)行批標(biāo)準(zhǔn)化、線性修正以及深度學(xué)習(xí)。
6.根據(jù)權(quán)利要求1-5中任一項(xiàng)所述的ECG信號(hào)的檢測方法,其特征在于,所述將已知信號(hào)節(jié)奏類型的第一ECG信號(hào)輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,訓(xùn)練出對(duì)應(yīng)的訓(xùn)練參數(shù),將得出訓(xùn)練參數(shù)的卷積神經(jīng)網(wǎng)絡(luò)作為ECG信號(hào)的檢測模型的步驟之后,包括:
將已知信號(hào)節(jié)奏類型的第三ECG信號(hào)輸入至所述ECG信號(hào)的檢測模型進(jìn)行驗(yàn)證,驗(yàn)證所述ECG信號(hào)的檢測模型輸出的信號(hào)節(jié)奏類型是否與所述第三ECG信號(hào)的信號(hào)節(jié)奏類型相同。
7.根據(jù)權(quán)利要求1-5中任一項(xiàng)所述的ECG信號(hào)的檢測方法,其特征在于,所述將已知信號(hào)節(jié)奏類型的第一ECG信號(hào)輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,訓(xùn)練出對(duì)應(yīng)的訓(xùn)練參數(shù)的步驟,包括:
將已知信號(hào)節(jié)奏類型的第一ECG信號(hào)輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,并使得輸出的訓(xùn)練結(jié)果為所述第一ECG信號(hào)已知的信號(hào)節(jié)奏類型,以得出對(duì)應(yīng)的訓(xùn)練參數(shù)。
8.一種ECG信號(hào)的檢測裝置,其特征在于,包括:
訓(xùn)練單元,用于將已知信號(hào)節(jié)奏類型的第一ECG信號(hào)輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,訓(xùn)練出對(duì)應(yīng)的訓(xùn)練參數(shù),將得出訓(xùn)練參數(shù)的卷積神經(jīng)網(wǎng)絡(luò)作為ECG信號(hào)的檢測模型;
檢測單元,用于將待檢測的第二ECG信號(hào)輸入至所述ECG信號(hào)的檢測模型中進(jìn)行計(jì)算,輸出得到所述第二ECG信號(hào)的信號(hào)節(jié)奏類型。
9.一種計(jì)算機(jī)設(shè)備,包括存儲(chǔ)器和處理器,所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序,其特征在于,所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述方法的步驟。
10.一種計(jì)算機(jī)存儲(chǔ)介質(zhì),其上存儲(chǔ)有計(jì)算機(jī)程序,其特征在于,所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于平安科技(深圳)有限公司,未經(jīng)平安科技(深圳)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810362786.X/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
- 終端卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、存儲(chǔ)介質(zhì)及處理器
- 一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像深度估計(jì)方法
- 卷積神經(jīng)網(wǎng)絡(luò)的生成方法及裝置
- 一種卷積神經(jīng)網(wǎng)絡(luò)硬件模塊部署方法
- 卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 一種卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及裝置
- 一種基于通道數(shù)搜索卷積神經(jīng)網(wǎng)絡(luò)的方法
- 卷積神經(jīng)網(wǎng)絡(luò)處理方法、裝置和電子系統(tǒng)
- 一種基于空洞卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的聲音事件檢測方法
- 基于稀疏卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法及檢測裝置
- 在分布式數(shù)據(jù)庫系統(tǒng)中管理查詢
- 設(shè)備間互動(dòng)虛擬角色系統(tǒng)
- 計(jì)算機(jī)虛擬角色拿取系統(tǒng)
- 用于向計(jì)算機(jī)設(shè)備供電的燃料電池
- 虛擬角色同步更新式傳輸系統(tǒng)
- 虛擬角色自行傳輸?shù)挠?jì)算機(jī)交互系統(tǒng)
- 虛擬角色傳輸系統(tǒng)
- 計(jì)算機(jī)設(shè)備的啟動(dòng)方法、裝置及計(jì)算機(jī)設(shè)備
- 一種基于區(qū)塊鏈技術(shù)的計(jì)算機(jī)設(shè)備防盜系統(tǒng)及方法
- 一種用于計(jì)算機(jī)設(shè)備管理的終端