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！

龙图腾网获悉东南大学申请的专利基于融合神经网络的多标签多导联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：CN116491954B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202310524265.0，技术领域涉及：A61B5/363；该发明授权基于融合神经网络的多标签多导联心律失常分类方法是由刘澄玉;吴菁;李建清设计研发完成，并于2023-05-10向国家知识产权局提交的专利申请。

本基于融合神经网络的多标签多导联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融合神经网络的多标签多导联心律失常分类方法，具体步骤为：将原始心电信号经过预处理后输入到由卷积神经网络构成的心电局部特征提取模块进行多导联心电信号的局部显著性特征提取。将卷积神经网络提取到的浅层心电信号特征输入到循环神经网络构成的心电时序特征提取模块进行多导联心电信号的时序特征提取。融合心电局部显著性特征与心电时序特征，形成最终用于分类的心电特征。将融合后的心电特征输入线性分类层，输出多标签类别。使用推广至多标签场景的Softmax结合交叉熵损失函数，进行网络训练。本发明能同时提取心电信号的局部显著特征以及时序特征，并能缓解多标签数据集数据不平衡问题，具有良好的表现性能。

本发明授权基于融合神经网络的多标签多导联心律失常分类方法在权利要求书中公布了：1.基于融合神经网络的多标签多导联心律失常分类方法，其特征在于，包括如下步骤： a将原始心电信号经过预处理后输入到由卷积神经网络构成的心电局部特征提取模块进行多导联心电信号的局部显著性特征提取； b将卷积神经网络提取到的浅层心电信号特征输入到循环神经网络构成的心电时序特征提取模块进行多导联心电信号的时序特征提取； c融合局部显著性特征与时序特征，形成最终用于分类的心电特征； d将融合后的心电特征输入线性分类层，输出多标签类别； e使用推广至多标签场景的Softmax结合交叉熵损失函数，进行网络训练； 步骤a中所述心电局部特征提取模块采用一维ResNet18模型作为网络结构；网络的输入为C*2048的心电数据，C为心电信号的导联数；卷积层采用64个尺度为15的卷积核，滑动步长为2，边缘填充值为7，该卷积层输出64*1024的浅层心电信号特征；该卷积层后连接一个最大池化层，滑动步长为2；最大池化层后连接残差卷积结构，残差卷积结构中所有卷积核的尺度为7，边缘填充值为3；残差卷积结构共四层，堆叠情况为[2222]，每个残差卷积结构中包含2个卷积层，并重复2次，共16个卷积层；每个残差卷积结构中的卷积核个数分别为[64128256512]，最后一个卷积层输出512*64的特征；卷积层后连接平均池化层，输出维度为512*1的局部显著性特征； 步骤b中所述心电时序特征提取模块采用3层GRU作为网络结构；其输入为提取到的浅层心电信号特征，输入维度为64*1024，GRU的隐藏层维度为[64641]，输出为64*1的时序特征； 步骤e中将softmax激活函数结合交叉熵损失函数的方案推广至多标签数据集，将多标签分类问题转化为目标类得分与非目标类得分两两比较的问题，自动平衡类别间的权重；其目标函数为； 其中，分别表示正负样本集合。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。