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！

龙图腾网获悉吉林大学申请的专利一种基于统计流形的心律失常分类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：CN119961737B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510439127.1，技术领域涉及：G06F18/24；该发明授权一种基于统计流形的心律失常分类方法是由徐俊;刘维;孙建成设计研发完成，并于2025-04-09向国家知识产权局提交的专利申请。

本一种基于统计流形的心律失常分类方法在说明书摘要公布了：本发明属于医疗数据处理与机器学习技术领域，涉及一种基于统计流形的心律失常分类方法，包括：心拍分割与子序列划分：进行R波峰检测、预处理、心拍提取及子序列划分；构建高斯核矩阵：计算DTW距离，为高斯核矩阵提供距离度量，基于DTW距离构建高斯核矩阵，以捕获子序列之间的几何结构关系；构建统计流形：所有N×N对称正定矩阵构成统计流形，高斯核矩阵集合生成，流形局部几何建模及图结构生成；在流形上构建图卷积网络：切空间投影，图卷积网络架构设计。本发明采用DTW距离结合统计流形空间建模技术，有效提取心电信号的动态统计特征，通过图卷积网络对心拍模式的流形几何关系进行建模，显著提升复杂心律失常的分类准确性。

本发明授权一种基于统计流形的心律失常分类方法在权利要求书中公布了：1.一种基于统计流形的心律失常分类方法，其特征在于，包括以下步骤： A、心拍分割与子序列划分： 先输入ECG信号，检测R波峰并分割心电数据为单个心拍；再将单个心拍序列均匀划分为N个子序列，N1，每个子序列覆盖特定ECG波形段； A1、心拍分割： A11、R波峰检测，采用Pan-Tompkins算法从原始ECG信号中检测R波峰位置； A12、心拍提取，以步骤A11检测到的R波峰为中心，前后各取固定时间窗口，截取完整心拍；然后，对截取的心拍进行时间轴对齐，确保R峰位于窗口中心，电压值标准化至零均值和单位方差，以消除个体间幅度差异； A2：子序列划分：将单个心拍均匀划分为11个子序列，覆盖ECG关键波形段；划分规则按时间轴等分； B、子序列特征建模，构建高斯核矩阵： 计算子序列两两间的动态时间规整距离，即DTW距离，表征其非线性时序对齐关系；再基于DTW距离构建子序列的高斯核矩阵； B1、计算DTW距离： B11、构建累积距离矩阵，限制路径斜率为1，即相邻步长仅允许水平、垂直或对角线移动，避免过度扭曲时序关系； B12、设置全局路径窗口，限定路径在时间轴上的最大偏移量； B13、进行DTW距离归一化，即对最优路径的累积距离进行归一化，以消除子序列长度差异的影响，DTW距离归一化按以下公式进行： 式中，Si为第i个心电子序列，Sj为第j个心电子序列，CPQ为累积距离矩阵，P和Q分别为第i个心电子序列和第j个心电子序列的长度； B2、基于DTW距离构建高斯核矩阵： B21、核函数设计，基于DTW距离定义高斯核函数，将距离映射为相似性度量，从而构建高斯核矩阵： 式中，dDTW,为DTW距离，Si为第i个心电子序列，Sj为第j个心电子序列，σ为核函数带宽； B22、高斯核矩阵K为对称矩阵，另外，添加微小单位矩阵扰动保证其正定性：K修正＝K+λI，其中，λ＝10-6； C、构建统计流形，所有样本核矩阵构成统计流形： 每个高斯核矩阵为对称正定SPD矩阵，每一个高斯核矩阵对应黎曼流形即统计流形上的一个点； C1、所有N×N对称正定矩阵构成统计流形，即黎曼流形，记为流形上的测地线距离由以下公式定义： 式中，tr为矩阵的迹； C2、高斯核矩阵集合生成，输入为M个心拍样本，每个样本对应一个11×11高斯核矩阵；输出为统计流形上的点集 C3、流形局部几何建模，首先，计算所有核矩阵之间的测地线距离dgeoKi,Kj定义邻域关系，然后，构建距离矩阵其中Dij＝dgeoKi,Kj； C4、生成图结构生成：每个核矩阵Ki对应图中的一个节点，对每个节点Ki，保留与其测地线距离最小的前k％的边，边权重定义为测地线距离的倒数，即Wij＝exp-Dijσ，σ为尺度参数；将节点之间的总互信息作为连边阈值大小的度量，即定义：这里N为节点个数，IKi,Kj是节点Ki,Kj之间的结构互信息，当Ki,Kj之间没有连边关系时，定义IKi,Kj＝0；这里Inet是阈值的一个单调函数，当Inet曲线出现明显转折点时，所对应的连边个数即为需要保留的连边个数； D、在流形上构建图卷积网络： 先构建图结构：以协方差矩阵作为图节点，测地线距离为边权，进行阈值保留；再切空间映射得到切向量，完成节点特征映射：将每个SPD矩阵通过对数映射投影至切空间，获取切向量作为节点特征；最后，获得图卷积网络分类模型，进行图卷积分类：采用多层图卷积网络聚合邻域信息，输出心拍类别概率； D1、切空间投影，将SPD矩阵Ki通过对数映射投影至切空间，得到欧氏空间中的向量表示： 其中，对数映射定义为： logKi＝U·diaglnλ1,…,lnλN·UT 式中，U为Ki的特征向量矩阵，λi为特征值；利用对称性，仅保留上三角元素并展开为向量，维度压缩至 D2、图卷积网络架构设计，包括网络层设计与参数设置； D3、模型训练与优化，损失函数采用以下加权交叉熵损失，缓解类别不平衡问题： 式中，M为样本个数，C为类别数，yic为类别标签，为权重，以提升少数类征罚力度。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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”。