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！

龙图腾网获悉中国医学科学院阜外医院申请的专利一种基于深度学习的心电数据异常识别方法、装置、设备及存储介质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：CN119442124B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510046460.6，技术领域涉及：G06F18/2433；该发明授权一种基于深度学习的心电数据异常识别方法、装置、设备及存储介质是由吴灵敏;谭江山;李乐;苏玉;刘宁宁;姚焰;宋雷;邓宇同;王一萌设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种基于深度学习的心电数据异常识别方法、装置、设备及存储介质在说明书摘要公布了：本申请提供一种基于深度学习的心电数据异常识别方法、装置、设备及存储介质。其中，采集患者的原始心电图信号，并通过多级预处理得到目标心电图信号。利用深度融合学习模型识别出目标心电图信号中的异常信号，生成初步识别结果。随后，将初步识别结果与预训练的机器学习模型结合，通过堆叠泛化的融合方法进行混合模型处理，并基于患者详细信息构建贝叶斯网络，获取带有上下文感知的推理结果，最终生成目标识别结果。根据目标识别结果，生成异常报告，按照预定义标准分类存储并展示给用户。这种方法确保了异常检测的高精度和个性化诊断，提高了心电图分析的可靠性和效率。

本发明授权一种基于深度学习的心电数据异常识别方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于深度学习的心电数据异常识别方法，其特征在于，包括： 采集患者的原始心电图信号，并执行多级预处理流程，得到目标心电图信号； 利用目标心电图信号训练深度融合学习模型，所述深度融合学习模型结合卷积神经网络和循环神经网络；通过所述深度融合学习模型识别所述目标心电图信号中的异常信号，得到初步识别结果； 将所述初步识别结果与预训练的机器学习模型相结合，通过堆叠泛化的融合方法所述初步识别结果进行混合模型融合处理，并通过所述患者的详细信息所构建的贝叶斯网络，获取所述初步识别结果的推理结果，以生成目标识别结果； 根据所述目标识别结果，利用规则引擎生成异常报告，按照预定义标准对所述异常报告进行分类存储，并通过定制化的可视化界面展示所述异常报告； 所述获取所述初步识别结果的推理结果，以生成目标识别结果，包括：根据获取的所述患者的个体差异和历史心脏数据，调整中间识别结果中每个时间窗口内异常信号的概率分布，得到调整后的概率分布，其中，所述中间识别结果通过将深度融合学习模型输出的初步识别结果作为第一层特征输入，并将机器学习模型的预测结果作为第二层特征输入，利用堆叠泛化技术得到；基于所述推理结果补充所述中间识别结果中可能遗漏或不确定的部分，增强所述中间识别结果的可靠性，得到优化后的中间识别结果；整合所述调整后的概念分布及所述优化后的中间识别结果，生成目标识别结果； 其中，所述调整后的概率分布通过以下公式计算： ； 其中，是第个时间窗口内第种异常类型的调整后概率分布，是第个时间窗口内第种异常类型的初始概率分布；是第个时间窗口内患者个体差异的影响因子，根据患者的年龄、性别、病史的信息计算得到；是所有时间窗口内个体差异影响因子的平均值；是所有时间窗口内个体差异影响因子的标准差;是历史特定特征的数量，历史特定特征包括患者的历史心脏数据中的特定指标，包括历史心电图记录、治疗反应，是历史特定的索引；是第个时间窗口与第种历史特定特征的相关性得分；是第种历史特定特征的权重，用于调整历史特定特征的影响程度； 其中，所述优化后的中间识别结果通过以下公式计算： ； 其中，是第个时间窗口优化后的中间识别结果，是异常类型的数量；是第个时间窗口内第种异常类型的调整后概率分布；是贝叶斯网络提供的上下文感知推理结果中第个时间窗口内第种异常类型的置信度评分； 其中，所述目标识别结果通过以下公式计算： ； 其中，是第个时间窗口的目标识别结果，是第个时间窗口内最大调整后概率分布所对应的结果；是第个时间窗口的优化后的中间识别结果；是调整后概率分布与优化后的中间识别结果之间的权重系数，用于平衡两者的影响程度。

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中国医学科学院阜外医院，其通讯地址为：100037 北京市西城区北礼士路167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。