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！

龙图腾网获悉无锡市健维仪器有限公司申请的专利一种基于深度学习的心电图降噪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：CN116738146B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310666918.9，技术领域涉及：G06F18/10；该发明授权一种基于深度学习的心电图降噪方法是由杨亮;陈洪;李卓设计研发完成，并于2023-06-07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图降噪方法在说明书摘要公布了：本申请提供的一种基于深度学习的心电图降噪方法，基于训练样本生成器生成噪音模拟数据，将噪音模拟数据随机添加到不带噪音的心电图曲线上生成训练样本数据，基于卷积神经网络构建噪音滤除模型，对卷积神经网络的多通道相加的机制进行改进，删除作为离群点的噪音数据后再将通道相加，降低计算结果中包含噪音数据的概率。基于欧氏距离改进了训练方法，对噪音滤除模型进行训练的时候，添加了训练样本基础数据同时作为输入，平衡噪音滤除对原始波形的影响，提高了原有波形信息保留的概率；通过超参的设定，控制训练效果，确保能够在滤除噪音的同时不会修改原始波形中的有用信息。

本发明授权一种基于深度学习的心电图降噪方法在权利要求书中公布了：1.一种基于深度学习的心电图降噪方法，其特征在于，其包括以下步骤： S1：构建训练样本生成器； 基于所述训练样本生成器生成噪音模拟数据； 所述噪音模拟数据包括：脉冲干扰噪音和高斯噪音； 所述脉冲干扰噪音的形状为朝向一个方向的不同幅度的尖波，宽度不超过0.03秒；所述脉冲干扰噪音的幅度为随机大小； 所述高斯噪音包括：不同幅度和不同大小的高斯噪音； S2：采集干净的不带噪音的心电图曲线，作为训练样本基础数据； 基于所述训练样本生成器，在所述训练样本基础数据的曲线上随机添加所述噪音模拟数据，得到训练样本数据； S3：基于所述训练样本数据构建训练样本集； S4：基于卷积神经网络构建噪音滤除模型； 所述噪音滤除模型的每一层卷积层输入尺寸为[x,y,inputchannel]，其中，x，y为数据尺寸，inputchannel为输入通道数，其中x取值为1； 每一层卷积层的输出尺寸为[x,y,outputchannel]，outputchannel为输出通道数； 每一层卷积核的尺寸设置为[sx,sy,inputchannel,outputchannel]，其中sx取值为1； 则有，σi,n＝0，ifci,n∈离群点，elseσi,n＝1 其中，o卷积层的输出数据，其中，m代表第m个通道，n代表第n个数值，ci,n代表第i个输入通道的第n个数值，σi,n为卷积层的第i个输入通道的第n个数值的权重；离群点表示输入数据中的噪音数据； S5：基于所述训练样本集训练所述噪音滤除模型，得到训练好的所述噪音滤除模型； 训练过程采用端到端的训练方式； S6：将待处理心电图曲线输入到基于训练好的所述噪音滤除模型中，进行噪音滤除； 所述离群点的筛选方法，具体包括以下步骤： a1：将所有的输入数据按照大小排序，得到数据序列； a2：计算出所有数据的四分位数，将四分位数以小到大排列：Q1、Q2、Q3； a3：计算所述数据序列的四分位距IQR： IQR＝Q3-Q1； a4：将所有小于Q1-0.25*IQR或大于Q3+0.25*IQR的数据点记作：离群点。

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无锡市健维仪器有限公司，其通讯地址为：214026 江苏省无锡市滨湖区五三零大厦1号十九层1909室；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。