一种基于迁移学习心律失常分类识别的方法
实质审查的生效
摘要
本发明公开一种基于迁移学习心律失常分类识别的方法，包括，构建神经网络模型，通过ECG信号标注样本对神经网络模型进行训练，其中，神经网络模型中包含LSTM网络；通过模拟PPG历史数据标注样本对通过ECG信号标注样本训练后的神经网络模型进行训练；将通过模拟PPG历史数据标注样本训练后的神经网络模型中的LSTM网络替换为SWLSTM网络，通过真实PPG历史数据标注样本对替换完成后的模型进行训练，得到识别模型，其中识别模型用于进行心律失常分类识别。通过上述技术方案，本发明解决了传统深度学习模型对PPG信号实现心律失常分类监测的模型所需标注的真实数据样本较大的问题，同时提升模型的泛化性能。
基本信息
专利标题 ：
一种基于迁移学习心律失常分类识别的方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114521900A
申请号 ：
CN202210155395.7
公开（公告）日 ：
2022-05-24
申请日 ：
2022-02-21
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
石用伍李小勇龙本丹
申请人 ：
贵州省人民医院
申请人地址 ：
贵州省贵阳市中山东路83号
代理机构 ：
北京东方盛凡知识产权代理事务所(普通合伙)
代理人 ：
李娜
优先权 ：
CN202210155395.7
主分类号 ：
A61B5/349
IPC分类号 ：
A61B5/349 G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
A
A部——人类生活必需
A61
医学或兽医学；卫生学
A61B
诊断；外科；鉴定
A61B5/349
检测心电周期的特定参数
法律状态
2022-06-10 ：
实质审查的生效
IPC(主分类) : A61B 5/349
申请日 : 20220221
申请日 : 20220221
2022-05-24 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
