[發明專利]一種極限卷積神經網絡的ECG信號診斷方法在審
| 申請號： | 201810916000.4 | 申請日： | 2018-08-13 |
| 公開（公告）號： | CN109044339A | 公開（公告）日： | 2018-12-21 |
| 發明（設計）人： | 敖文剛;何賽;喻其炳;汪羽;陳旭東 | 申請（專利權）人： | 重慶工商大學 |
| 主分類號： | A61B5/0402 | 分類號： | A61B5/0402;A61B5/00;G06N3/04 |
| 代理公司： | 成都天匯致遠知識產權代理事務所(普通合伙) 51264 | 代理人： | 韓曉銀 |
| 地址： | 400067 *** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 卷積神經網絡 極限學習機 診斷 數據庫 信號診斷 數據處理階段 參數輸入 監測信號 神經網絡 輸出參數 特征處理 特征提取 網絡訓練 訓練學習 樣本數據 層結構 構建 | ||
【權利要求書】：
1.一種極限卷積神經網絡的ECG信號診斷方法，其特征在于，包括以下步驟：
S1、數據處理階段：數據源自MIT/BIH的數據庫中，構建3層結構的卷積神經網絡；
S2、特征處理階段：利用卷積神經網絡對數據庫中的ECG波形進行特征提取；
S3、參數輸入階段：將卷積神經網絡的特征輸出參數輸入到極限學習機中；
S4、訓練學習階段：訓練極限學習機的參數，將數據庫中的ECG波形的樣本數據進行網絡訓練；
S5、信號診斷階段：通過訓練好的極限學習機對ECG信號進行診斷。
2.根據權利要求1所述的一種極限卷積神經網絡的ECG信號診斷方法，其特征在于：步驟S1中，所述卷積神經網絡包括輸入層、卷積層和采樣層。
3.根據權利要求1所述的一種極限卷積神經網絡的ECG信號診斷方法，其特征在于：步驟S3中，利用極限學習機確定權值和預測。
4.根據權利要求1所述的一種極限卷積神經網絡的ECG信號診斷方法，其特征在于：數據庫中的ECG波形分為6種類型，即正常、室性早搏、步跳、右支動脈硬化、房性早搏以及步跳和正常的疊加。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶工商大學，未經重慶工商大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810916000.4/1.html，轉載請聲明來源鉆瓜專利網。
