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！

龙图腾网获悉广东工业大学申请的专利一种计及神经网络激励程度的心电模式融合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：CN118766472B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202410819428.2，技术领域涉及：A61B5/318；该发明授权一种计及神经网络激励程度的心电模式融合识别方法是由邓木清;纪晓金;王艳娇;郭韶珊;黄晓渝设计研发完成，并于2024-06-24向国家知识产权局提交的专利申请。

本一种计及神经网络激励程度的心电模式融合识别方法在说明书摘要公布了：本发明公开了一种计及神经网络激励程度的心电模式融合识别方法，包括以下步骤：获取体表12导联心电信号，构建晶格化神经网络提取心电信号下的深层次非线性心电动力学特征；计算不同非线性心电动力学特征之间基于非线性动力学差异的距离度量，根据距离度量值确定待融合心电模式集合；根据待融合心电模式间神经网络激励程度的不同，赋予不同的权值对待融合心电模式进行加权融合，融合结果以常值矩阵的形式进行存储。本发明所提出的心电模式融合识别方法能够较好代表不同的心电模式，提升对心电信号的判别能力。同时运用晶格化神经网络辨识技术进行逼近和辨识，提取出的非线性心电动力学特征可以很好反映原信号的内在特征。

本发明授权一种计及神经网络激励程度的心电模式融合识别方法在权利要求书中公布了：1.一种计及神经网络激励程度的心电模式融合识别方法，其特征在于，包含如下步骤：步骤一、获取体表12导联心电信号，构建晶格化神经网络提取心电信号下的深层次非线性心电动力学特征；步骤二、计算不同非线性心电动力学特征之间基于非线性动力学差异的距离度量，根据距离度量值确定待融合心电模式集合；步骤三、根据待融合心电模式间神经网络激励程度的不同，赋予不同的权值对待融合心电模式进行加权融合，融合结果以常值矩阵的形式进行存储；所述步骤一中，具体包括以下步骤：1-1.对12导联心电信号进行线性变换，完成数据降维，对降维后的信号进行噪声、伪影滤除；1-2.对信号进行深层次分解，基于信号分量进行关键参数提取，提取到的关键参数作为非线性心电动态参数；1-3.进行非线性心电动力学建模，构建基于非线性心电动力学模型的晶格化神经网络，将非线性心电动态参数输入到晶格化神经网络中，非线性心电动力学特征通过晶格化神经网络的学习，以常值神经网络权值矩阵的形式存储；所述关键参数提取，具体包括以下步骤：1给定一个原输入信号Vt＝[v1,v2,v3]T，v1,v2,v3代表了数据降维后的每一维度信号；假定Vt的局部极值点表示为{τk,k＝1,2,3,…}，定义τ0＝0,定义一个基线提取因子L，L在[0,τk]时刻的定义表示成下式： 其中,vit代表第i维度的信号vi在t点时刻取值，Lk表示在[0,τk]时刻L基线提取因子的定义；其下一时刻Lk+1满足下式： 其中，α表示增益参数，取值范围在0,1之间，表示本次分解得到的分量幅度；2对输入信号Vt进行深层次分解，根据步骤1得到基线提取因子L，将输入信号Vt中分解成基线Lt和分量Ht的和形式，具体每次分解表示为下式：Vt＝Lvit+1-Lvit＝Lt+Ht其中，本次分解的输入信号来自上次分解得到的基线信号Lt，而分量Ht作为得到的信号分量；3持续进行步骤2，当信号的分量Ht呈现单调趋势时，结束分解，总体分解过程满足下式： 其中，p表示分解次数；4将分解得到的所有信号分量依次与原输入信号进行皮尔逊相关性分析： 其中,rt表示信号经过t次分解后得到的分量H与分解前的输入信号Vt进行皮尔逊相关性分析得到的系数，N表示信号分量数量，n表示信号分量的总长度,取皮尔逊相关系数rt最大的信号分量作为关键参数，得到非线性心电动态参数。

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广东工业大学，其通讯地址为：510006 广东省广州市东风东路729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”。