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！

龙图腾网获悉齐鲁工业大学申请的专利基于深度学习的心电图图像分类方法及系统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：CN115546557B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202211290787.0，技术领域涉及：G06V10/764；该发明授权基于深度学习的心电图图像分类方法及系统是由董爱美;齐志云设计研发完成，并于2022-10-21向国家知识产权局提交的专利申请。

本基于深度学习的心电图图像分类方法及系统在说明书摘要公布了：本发明公开了基于深度学习的心电图图像分类方法及系统，属于智能医疗及图像分类技术领域，本发明要解决的技术问题为如何利用深度学习实现对心电图图像的分类及预测，减轻专业医师的工作量的同时，提高心电图图像分类的准确性以及有效性，为及时判断病人病情提供有效帮助，采用的技术方案为：该方法具体如下：选取心电图图像；对心电图图像进行去噪预处理；提取去噪后的心电图图像的波形特征点；利用支持向量机模型和线性回归模型进行分类；利用长短期记忆模型对待分类心电图图像进行预测。

本发明授权基于深度学习的心电图图像分类方法及系统在权利要求书中公布了：1.一种基于深度学习的心电图图像分类方法，其特征在于，该方法具体如下： 选取心电图图像； 对心电图图像进行去噪预处理； 提取去噪后的心电图图像的波形特征点； 利用支持向量机模型和线性回归模型进行分类； 利用长短期记忆模型对待分类心电图图像进行预测； 其中，提取去噪后的心电图图像的波形特征点具体如下： 提取R波：使用固定差分阈值分析法对去噪波形进行R波的检测提取，尺度为n； 提取Q波和S波：检测提取R波后，对可能是Q波和S波的位置进行预判断，判断是否存在模极大值点，模极大值点在R波波峰为中心的前后位置上，对模极大值点进行两次位置校正，以便得到最后的Q点或S点； 提取P波和T波：采用斜率阈值对P波和T波进行提取检测； 利用支持向量机模型和线性回归模型进行分类具体如下： 支持向量机模型：在MATLAB环境下使用K-CV方法获取分类指标，具体如下：将心电图图像均分为K组，其中的一组作为验证集，剩余的K-1组作为训练集，对支持向量机模型进行训练，得到K个分类器模型，最终使用这K个分类器模型分类准确率的平均值作为指标； 线性回归模型：使用SPSS进行线性回归模型的建立，具体为：选取8个自变量，因变量为GROUP，选择“输入”作为回归方法，用回归系数表示每一个自变量与因变量的关系，系数和0之间的差异的显著性用Sig表示；其中，线性回归模型的表达式具体如下： GROUP＝-0.581×VR-2.181×VP-0.89×VT-0.001×TRR+0.006×TQT-0.007×TPR+0.063×|VST|+0.107×NP+0.296； 其中，VR表示R波幅值；VP表示P波幅值；VT表示T波幅值；TRR表示RR间期；TQT表示QT间期；TPR表示PR间期；VST表示ST段的电位偏移量；NP表示是否出现早搏，若出现早搏，则NP＝1；若未出现早搏，则NP＝0； 心电图图像分类，公式如下： M＝αS+βL； 其中，0＜α＜1,0＜β＜1且α+β＝1，M表示最终的分类模型DSLM；S代指SVM模型；L代指线性回归模型；α和β分别是SVM模型和线性回归模型的在DSLM中的系数，在DSLM中的系数由多次学习习得，具体是通过比较准确率进行参数的选择，选择准确率结果最高的参数作为最终参数。

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齐鲁工业大学，其通讯地址为：250353 山东省济南市长清区大学路3501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。