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！

龙图腾网获悉华南理工大学申请的专利一种基于任务难度自适应元学习的心电图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：CN117557825B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202311301817.8，技术领域涉及：G06V10/764；该发明授权一种基于任务难度自适应元学习的心电图分类方法是由马千里;汪灵浩设计研发完成，并于2023-10-10向国家知识产权局提交的专利申请。

本一种基于任务难度自适应元学习的心电图分类方法在说明书摘要公布了：本发明公开了一种基于任务难度自适应元学习的心电图分类方法，基于任务难度建模与自适应元学习实现，首先，利用元学习策略在多个心电图分类任务上训练模型，目的是让模型学习如何从有限的样本中快速适应新任务。然后，通过量化每个任务的难度，例如分析心电图的波动程度，调整模型的学习策略。根据这些量化的难度指标，自动调整模型的学习参数，如学习率，以更好地适应不同难度的任务。为了进一步增强模型的分类性能，本发明还设计了一种微调策略，通过使用少量的心电图数据进行模型微调，确保模型在少样本心电图分类任务上实现高效准确的分类。

本发明授权一种基于任务难度自适应元学习的心电图分类方法在权利要求书中公布了：1.一种基于任务难度自适应元学习的心电图分类方法，其特征在于，所述心电图分类方法包括以下步骤： S1、对于第i个心电图分类任务，使用心电图分类模型f对第i个心电图分类任务中的所有样本进行分类，该分类过程表示为： Yi,j＝fXi,j,θ 其中，Xi,j表示第i个心电图分类任务的第j个心电图时间序列样本，θ表示心电图分类模型f的模型参数，模型参数θ通过心电图数据学习得到，并决定心电图分类模型f对输入样本的分类输出，每个心电图分类任务的样本集包含N个样本，N≤50，j＝1,…,N； 通过交叉熵损失函数对第i个心电图分类任务中所有心电图样本的损失值进行计算，计算过程如下： 其中，表示心电图分类模型f在第i个心电图分类任务上的交叉熵损失值；Yi,j是心电图分类模型f的输出，表示心电图分类模型f预测得到的第i个心电图分类任务的第j个心电图样本Xi,j对应的心电图样本类别； 计算交叉熵损失值关于模型参数θ的梯度并更新模型参数： 其中，θ′i表示模型经过第i个心电图分类任务训练后，更新得到的参数，α表示学习率，用于控制每次更新模型参数的步长； S2、模型每经过n个任务的训练后，即重复n次步骤S1，更新全局模型参数，更新的计算公式如下： 其中，n是心电图分类任务的数量，βi是基于任务难度自适应的学习率，用于控制每次更新模型参数的步长，表示经过第i个心电图分类任务训练后的模型参数θ′在第i个心电图分类任务上的交叉熵损失值； S3、模型微调：利用标注的心电图数据对经过元学习策略训练的心电图分类模型f进行微调，微调过程通过调整模型参数θ以最小化少量标注的心电图数据的交叉熵损失函数实现，微调的过程如下： 其中，θnew是微调后的模型参数，η是微调过程中的学习率，是交叉熵损失函数相对于模型参数θ的梯度； S4、心电图分类：将待分类的心电图样本Xtest输入到微调后的心电图分类模型f中，心电图分类模型f根据输入的心电图数据，利用微调后的参数进行精确分类，分类的过程如下： Ytest＝fXtest,θnew 其中，Ytest是输出的心电图分类结果，表示心电图分类模型f分类得到的心电图样本Xtest对应的心电图样本类别。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。

以上内容由龙图腾AI智能生成。