Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 精芯唯尔(常州)电子科技有限公司尹志刚获国家专利权

精芯唯尔(常州)电子科技有限公司尹志刚获国家专利权

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!

龙图腾网获悉精芯唯尔(常州)电子科技有限公司申请的专利一种基于轻量化神经网络模型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:CN120114071B

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:202510347361.1,技术领域涉及:A61B5/346;该发明授权一种基于轻量化神经网络模型的心律失常分类方法是由尹志刚;李泽贤;张鹏设计研发完成,并于2025-03-24向国家知识产权局提交的专利申请。

一种基于轻量化神经网络模型的心律失常分类方法在说明书摘要公布了:本发明公开了一种基于轻量化神经网络模型的心律失常分类方法,涉及心律失常诊断技术领域,包括获得原始心电信号;数据预处理,对所述原始心电信号采用离散小波变换以及软阈值法进行去噪,之后通过逆小波变换重构信号,再采用600毫秒的中值滤波器对去噪后的信号进行处理;划分心拍并特征提取,根据基于导数的R波峰检测方法进行心拍分割,并形成所述心电信号的形态学特征,再根据心拍RR间隙数据确定时间特征,特征提取为所述形态学特征、所述时间特征的提取;以卷积神经网络为核心架构,引入深度可分离卷积搭建轻量化心电模型,使用焦点损失函数训练模型,计算损失并更新模型;该方法在减少模型参数的同时,实现了较高的分类精度。

本发明授权一种基于轻量化神经网络模型的心律失常分类方法在权利要求书中公布了:1.一种基于轻量化神经网络模型的心律失常分类方法,其特征在于:包括: S1:获得原始心电信号; S2:数据预处理,对所述原始心电信号采用离散小波变换以及软阈值法进行去噪,之后通过逆小波变换重构信号,再采用600毫秒的中值滤波器对去噪后的信号进行处理; S3:划分心拍并特征提取,根据基于导数的R波峰检测方法进行心拍分割,并形成所述心电信号的形态学特征,再根据心拍RR间隙数据确定时间特征,特征提取为所述形态学特征、所述时间特征的提取;所述S3包括: S31:设置阈值k,k通常取信号导数最大值的50%,通过所述导数与所述阈值k的比较来定位R波峰; S32:以R波峰为中心,在其前取95个采样点、后取101个采样点的心电信号,将以上采样点合成一个完整的心拍,作为形态学特征并进行提取; S33:计算当前心拍的RR间隙与记录平均RR间隙之间的差值,以及当前心拍与前后m个心拍RR间隙中位数之间的差值,将这两个差值作为心电信号的时间特征并进行提取;计算RR间隙与心拍前后15个心拍RR间隙中位数的差值,公式为: ; 其中,midRR为前心拍前后15个心拍的中位数; S4:以卷积神经网络为核心架构,引入深度可分离卷积搭建轻量化心电模型,所述深度可分离卷积包括深度卷积和逐点卷积; S5:使用焦点损失函数训练模型,计算损失并更新模型; S6:获取优化后的心电信号分类模型。

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精芯唯尔(常州)电子科技有限公司,其通讯地址为:213000 江苏省常州市武进区常武中路18-50号常州科教城创研港5号楼3层309;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。