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！

龙图腾网获悉吉林大学;珠海科技学院申请的专利基于多尺度特征选择融合残差网络的ECG身份识别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：CN117171634B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310947741.X，技术领域涉及：G06F18/241；该发明授权基于多尺度特征选择融合残差网络的ECG身份识别方法是由司玉娟;乔菱;张阳;易攀;武俊杰设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本基于多尺度特征选择融合残差网络的ECG身份识别方法在说明书摘要公布了：本发明提出了一种基于多尺度特征选择融合残差网络的ECG身份识别方法，该方法包括：获取样本心电数据进行预处理得到固定长度心电数据；将固定长度心电数据进行划分得到训练集和测试集；将训练集和测试集输入到ECG身份识别网络模型确定最终的ECG身份识别网络模型；获取待识别心电数据输入完成训练的ECG身份识别网络模型；将待识别心电数据输入到基础卷积块提取基础特征图，第一分组卷积块对基础特征图进行分组特征提取得到分组特征后输入到多尺度特征选择融合模块进行特征融合得到融合特征，将融合特征输入到第二分组卷积块进行升维得到目标身份标签，根据目标身份标签确定身份识别结果。从而减少网络模型参数量，实现模型轻量化。

本发明授权基于多尺度特征选择融合残差网络的ECG身份识别方法在权利要求书中公布了：1.一种基于多尺度特征选择融合残差网络的ECG身份识别方法，其特征在于，包括： 获取样本心电数据，对所述样本心电数据进行预处理得到固定长度心电数据，所述预处理包括小波去噪、R点定位、心拍分割及归一化； 将所述固定长度心电数据进行划分，得到训练集和测试集； 将所述训练集输入到预设的ECG身份识别网络模型进行训练，将所述测试集输入到训练后的所述ECG身份识别网络模型进行测试，根据测试结果确定最终的所述ECG身份识别网络模型，所述ECG身份识别网络模型包括基础卷积块，残差网络和多尺度特征选择融合模块，所述残差网络包括第一分组卷积块和第二分组卷积块； 获取待识别心电数据，将所述待识别心电数据输入完成训练的所述ECG身份识别网络模型； 将所述待识别心电数据输入到所述基础卷积块提取基础特征图，通过所述第一分组卷积块对所述基础特征图进行分组特征提取得到分组特征，将所述分组特征输入到所述多尺度特征选择融合模块进行特征融合得到融合特征，将所述融合特征输入到第二分组卷积块进行升维得到目标身份标签，根据所述目标身份标签确定身份识别结果； 所述第一分组卷积块包括有多个卷积核，所述通过所述第一分组卷积块对所述基础特征图进行分组特征提取得到分组特征，包括： 将所述基础特征图平均分为多个基础子特征图，其中所述基础子特征图的个数与所述卷积核的个数相同； 每个所述卷积核分别对对应的所述基础子特征图进行卷积运算，得到多个分组特征图； 对多个所述分组特征图按照通道维度进行拼接； 通过通道重排函数对拼接后的所述分组特征图进行信息交融得到分组特征； 将所述分组特征输入到所述多尺度特征选择融合模块进行特征融合得到融合特征，包括： 通过不同大小的三个卷积核对所述分组特征进行特征提取得到对应的三个特征向量，对三个特征向量进行元素求和得到第一特征； 通过全局平均池化层将全局信息嵌入到所述第一特征进行全局信息，得到信道统计量； 通过全连接层对所述信道统计量进行线性运算得到第二特征； 通过softmax激活函数对所述第二特征进行多分类处理得到三个特征注意力向量； 分别将三个所述特征注意力向量中的元素进行乘积得到对应的三个融合子特征； 对三个所述融合子特征进行元素求和得到所述融合特征；其中，对三个特征向量进行元素求和得到第一特征的计算公式为：，U为所述第一特征，U1为采用1x3的卷积核对所述分组特征进行特征提取得到的特征向量，U2为采用1x5的卷积核对所述分组特征进行特征提取得到的特征向量，U3为采用1x7的卷积核对所述分组特征进行特征提取得到的特征向量； 所述信道统计量的计算公式为：，S为所述信道统计量，表示参数为U的全局平均池化函数，H为卷积高度，W为卷积宽度，c为通道总数,U为所述第一特征，i为选取的卷积高度序号，j为选取的卷积宽度序号，为域； 所述第二特征的计算公式为：，Z为所述第二特征，表示参数为S的全连接函数，δ表示ReLU函数，B为批量归一化函数，S为所述信道统计量，W为卷积宽度，c为通道总数，d为线性压缩后的通道数，为域； 三个特征注意力向量的计算公式为： ，,其中a表示U1的特征注意力向量，b表示U2的特征注意力向量、c表示U3的特征注意力向量。

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吉林大学;珠海科技学院，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。