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申请的专利基于CNN-GRU网络模型的心拍信号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：CN115221926B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202210855584.5，技术领域涉及：G06F18/241；该发明授权基于CNN-GRU网络模型的心拍信号分类方法是由顾玲嘉;李丽岚;江明达;任瑞治设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本基于CNN-GRU网络模型的心拍信号分类方法在说明书摘要公布了：本发明公开了一种基于CNN‑GRU网络模型的心拍信号分类方法，涉及计算机领域和医学信号处理领域，本发明的目的是解决心电信号干扰多、分类精度低等问题。本发明包括以下步骤：将心电数据通过小波变换除去噪声，再将其分割成心拍的形式，之后将预处理后的心拍随机划分成训练集、验证集和测试集；构建基于CNN网络模型和GRU网络模型的深度学习网络模型，之后挑选训练好的模型中精度最高的模型来预测数据，得到心电数据的预测分类结果。利用本发明提出的基于CNN‑GRU网络模型对心拍信号分类的方法可以实现对心电信号高效、准确的分类识别。

本发明授权基于CNN-GRU网络模型的心拍信号分类方法在权利要求书中公布了：1.基于CNN‑GRU网络模型的心拍信号分类方法，其特征在于，该方法的步骤如下： 步骤一、选取十二导联的心电信号构建心电信号数据集； 步骤二、通过小波变换的方式来移除干扰到信号有效信息的噪声； 步骤三、定位R峰，并利用得到的R峰位置信息进行心拍分割处理，从而得到等长的心拍形式心电信号； 步骤四、构建CNN‑GRU网络模型，将步骤三分割得到的等长的心电信号送入到深度学习网络模型中进行训练； 步骤五、输入测试集数据到已经训练完成的网络，输出为其对应的信号类别； 步骤四中CNN‑GRU网络模型输入信号大小为，代表数据的长度，12代表十二个导联的电压信号； 该网络模型第一部分由两个卷积层Conv1D、最大池化层MaxPooling1D、一个卷积层Conv1D、平均池化层AvegPooling1D和Dropout层组成；第一个卷积层Conv1D设定参数如下： 滤波器的个数filters=4，内核大小kernel_size=4，步长strides=1，激活函数activation为ReLU函数，L2正则化设置为0.01，填充方式padding为有效； 第二个卷积层Conv1D设定参数如下：滤波器的个数filters=16，内核大小kernel_size=8，步长strides=1，激活函数activation为ReLU函数，L2正则化设置为0.01，填充方式为有效； 最大池化层MaxPooling1D设定参数为：池化尺寸pool_size=2，步长strides=2，填充方式padding为有效； 第三个卷积层Conv1D设定参数为：滤波器的个数filters=32，内核大小kernel_size=16，步长strides=1，激活函数activation为ReLU函数，L2正则化设置为0.01，填充方式padding为有效； 平均池化层AvegPooling1D设定参数为：池化尺寸pool_size=2，步长strides=2，填充方式padding为有效； Dropout层丢弃神经元的比例设置为60%； 第二部分为GRU层，神经元数量为300； 第三部分为打平层Flatten，将多维的输入一维化处理； 第四部分为第一个全连接层Dense、Dropout层和第二个全连接层Dense；第一个全连接层Dense将ReLU函数当作激励函数，Dropout层丢弃神经元的比例设置为50%，第二个全连接层Dense的激活函数为softmax，输出空间维度为2，对应于正常信号和异常信号这两种类别的概率。

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，其通讯地址为：130012 吉林省长春市长春高新技术产业开发区前进大街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。