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！

龙图腾网获悉长春理工大学申请的专利一种基于时频融合的心音心电联合检测冠心病的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：CN120036791B 。

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：202510209569.7，技术领域涉及：A61B5/318；该发明授权一种基于时频融合的心音心电联合检测冠心病的方法是由李兴广;侯禹彤;孟令莉;魏宇卓;钱唤宇设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本一种基于时频融合的心音心电联合检测冠心病的方法在说明书摘要公布了：本发明属于医学信号处理技术领域，尤其为一种基于时频融合的心音心电联合检测冠心病的方法，包括如下步骤：S1：将PCG和ECG原始信号进行数据预处理，包括降噪、消除基线漂移及电源线干扰等，并对PCG和ECG信号进行归一化处理，采用Welch方法生成心音和心电的功率谱信号，并将PCG和ECG的时域信号和功率谱信号分割为等长片段。本发明为了有效解决单一模态数据质量不佳导致的诊断不准确问题，基于两种信号的时频融合结果构建心音心电动态融合模块，进行动态的权重分配并选取合适的分类器进行分类，通过补充频域信息，并根据心音和心电信号的贡献分配权重，使得冠心病的检测和分类结果更准确。

本发明授权一种基于时频融合的心音心电联合检测冠心病的方法在权利要求书中公布了：1.一种基于时频融合的心音心电联合检测冠心病的方法，其特征在于：包括如下步骤： S1：将PCG和ECG原始信号进行数据预处理，包括降噪、消除基线漂移及电源线干扰等，并对PCG和ECG信号进行归一化处理，采用Welch方法生成心音和心电的功率谱信号，并将PCG和ECG的时域信号和功率谱信号分割为等长片段； S2：构建具有相同结构的PCG和ECG时频特征提取模块，引入了多尺度卷积层，用于捕捉时频信息中的浅层和深层特征，从而生成空间维度的特征，采用门控循环单元来捕捉时频信息中的长期依赖关系，生成时间维度的特征，引入全局池化层和卷积层，以进一步捕捉全局特征，引入通道注意力模块对每个通道的权重进行分配，并通过卷积输出综合时空特征结果； S3：构建具有相同结构的PCG和ECG时频融合模块进行联合处理和信息补充，采用位置编码将位置信息嵌入到时域和频域特征中，分别对时域信号和功率谱信号采用自注意力机制提取捕捉特征间的全局依赖关系，并通过交叉注意力机制将频域信息作为补充特征整合到时域特征中，生成时频融合特征，融合后的特征通过前馈神经网络进行进一步的非线性变换，同时利用残差连接和层归一化来加速训练并稳定网络的优化过程,其中构建的时频融合模块，引入位置编码，将编码后的特征和提取到的特征串联输入到自注意力模块中；位置编码采用正弦和余弦编码将时序信息的序列嵌入到特征中，使模型能够利用序列的顺序信息，通过自注意力模块让特征自身的各部分相互关注，使模型能够自动聚焦重要特征； S4：根据信号质量动态融合PCG和ECG特征，构建具有相同结构的PCG和ECG动态融合模块，根据各自的贡献对时频融合后的特征进行加权融合，该模块引入模态置信度，通过动态调整PCG和ECG的权重，反映各自对最终分类结果的影响，该模块能够自适应地优化特征融合过程，生成准确的融合特征输入到分类器对冠心病进行分类，其中PCG和ECG动态融合模块中基于误差上限的优化原则，利用PCG信号和ECG信号的置信度与损失之间的关系来动态调整权重，不同模态的融合权重应该与对应模态的损失存在负相关，即： ; 其中，表示模态为的融合权重，表示对应的模态的损失； 采用预测冠心病类别的概率作为融合后某一信号的权重： ; 其中，为预测冠心病类别的概率，表示模态为的权重； PCG和ECG动态融合模块中构建相对校准模型来预测融合权重，选择对冠心病进行二分类，定义二分类的分布均匀度： ; 其中，表示模态对类别的预测概率。

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长春理工大学，其通讯地址为：130012 吉林省长春市朝阳区卫星路7089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。