买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于注意力机制的无监督多模态心电图异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115944302B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211589031.6，技术领域涉及：A61B5/318；该发明授权基于注意力机制的无监督多模态心电图异常检测方法是由刘华锋;彭建辉设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本基于注意力机制的无监督多模态心电图异常检测方法在说明书摘要公布了：本发明公开了一种基于注意力机制的无监督多模态心电图异常检测方法，根据体表电生理信号无监督地自动进行心电图的异常检测，模型在时序电信号的基础上还考虑了频域信号特性，通过对输入信号编码再解码重构出原始信号，当重构的时序信号与输入时序信号差异大于一定值，则判断该心电图为异常。本发明通过对ECG的时域与频域信号进行特征提取，在无监督不使用标签的情况下，能够区分正常与异常的ECG心拍数据；在有标签的心电图数据有限的情况下，辅助医生自动筛查异常心电图，具有临床的诊断及治疗上的参考意义。

本发明授权基于注意力机制的无监督多模态心电图异常检测方法在权利要求书中公布了：1.一种基于注意力机制的无监督多模态心电图异常检测方法，包括如下步骤： 1从病人体表采集多导联心电信号，以每一个心跳周期为一组心电时域序列； 2对每组心电时域序列进行归一化处理以及频域转换，得到对应的心电频域序列；归一化处理采用最大-最小值归一化策略，频域转换采用小波变换； 3构建基于注意力机制的重构模型，其包含两个编码模块以及一个解码模块，两个编码模块分别用于对心电时域序列和心电频域序列进行编码，得到的编码特征拼接后经由解码模块解码成与输入维度一致的ECG波形序列； 所述重构模型中的两个编码模块结构相同，但在训练过程中不共享权重，独立进行特征学习；所述编码模块采用多头注意力机制以及残差连接，其中多头注意力机制由多个自注意力机制叠加形成；同时在编码模块前向传播学习参数的过程中，对每层参数做了LayerNormalization，对每一层的激活值做了归一化；所述自注意力机制的计算过程如下： Q＝Xembedding*WQ K＝Xembedding*WK V＝Xembedding*WV 其中：AttentionQ,K,V为自注意力机制的输出，Xembedding为经位置编码后的心电时域序列或心电频域序列，Q、K、V分别为查询向量、键向量、值向量，WQ、WK、WV分别为查询向量、键向量、值向量对应的权值矩阵，dk为自注意力机制的输出维度，T表示转置； 两个编码模块输出的编码特征沿时间轴方向拼接，即拼接之后维度变为原来的两倍，进而特征经由解码模块线性映射层解码成与输入维度一致的ECG波形序列； 4将心电时域序列和心电频域序列成对逐一输入至模型，以模型输出的ECG波形序列与输入心电时域序列平均误差最小为损失函数L，从而对模型进行训练； 输入至模型中的心电时域序列和心电频域序列需先进行位置编码，即给序列中每一时刻对应的幅值增添时间位置信息，具体如下： PEpos,2i＝sinpos100002id PEpos,2i+1＝cospos100002id 其中：PEpos,2i表示序列中偶数位置增添的时间位置信息，PEpos,2i+1表示序列中奇数位置增添的时间位置信息，pos表示序列中每一幅值对应的时间点，d表示编码的维度，i为自然数； 5将待检测心电信号的时域序列和频域序列输入至训练好的重构模型，根据模型输出ECG波形序列与输入心电时域序列之间的重构误差，判别待检测的心电信号是否异常； 若该重构误差大于设定阈值，则判定待检测的心电信号存在异常；所述阈值根据统计学概率分布所设置即阈值为训练重构误差的均值与方差之和。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。