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！

龙图腾网恭喜杭州电子科技大学申请的专利用于冠状动脉闭塞定位的多分支增强诊断网络的实现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：CN119581006B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202510130794.1，技术领域涉及：G16H50/20；该发明授权用于冠状动脉闭塞定位的多分支增强诊断网络的实现方法是由陈炫傧;黄星儒;张晓帅;王亚奇;张文斌设计研发完成，并于2025-02-06向国家知识产权局提交的专利申请。

本用于冠状动脉闭塞定位的多分支增强诊断网络的实现方法在说明书摘要公布了：本发明公开了一种用于冠状动脉闭塞定位的多分支增强诊断网络的实现方法。本发明采用多支路增强网络，包括局部特征提取模块和全局特征提取模块，局部特征提取模块应用小波注意力机制增强局部特征表示，全局特征提取模块利用实虚增强傅立叶神经算子进行频域全局特征的提取；多分支增强网络分为五个分支，其中四个分支用于针对不同冠状动脉区域的病变检测，第五个分支融合12导联信号进行全局频域特征的提取。定义的自适应误分类惩罚损失函数通过动态调整假阴性和假阳性样本的惩罚系数，有效应对类别不平衡问题。本发明显著提升了心电图信号分析的准确性和鲁棒性，为冠心病的早期诊断提供了一种高效、非侵入性检测工具。

本发明授权用于冠状动脉闭塞定位的多分支增强诊断网络的实现方法在权利要求书中公布了：1.用于冠状动脉闭塞定位的多分支增强诊断网络的实现方法，其特征在于，包括如下步骤：步骤1:从多个数据集采集包含12导联心电图信号的冠状动脉疾病数据集；步骤2:对采集到的心电数据进行预处理，主要包括去噪、滤波、信号归一化；步骤3:将预处理后的心电数据进行整理和划分，划分为训练集和测试集；步骤4:对步骤3的心电数据采用数据增强技术；步骤5:搭建用于冠状动脉闭塞定位的多分支增强网络；步骤6:使用预处理后的心电数据集对多分支增强网络训练并得到权重；步骤7:将训练得到的权重在测试集上评估模型性能；多分支增强网络包括局部特征提取模块和全局特征提取模块，局部特征提取模块应用小波注意力机制增强局部特征表示，全局特征提取模块利用实虚增强傅立叶神经算子进行频域全局特征的提取；多分支增强网络分为五个分支，其中四个分支用于针对不同冠状动脉区域的病变检测，第五个分支融合12导联信号进行全局频域特征的提取；实虚增强傅立叶神经算子RieFNO用于在频域中增强信号的特征提取能力，通过引入独立的可学习权重矩阵，能够同时对实部和虚部进行优化处理；1输入心电数据的信号xt进行傅里叶变换，将时间域信号转换到频域，以获得其对应的实部和虚部；傅里叶变换公式如下： 其中,表示傅里叶变换函数，Xf＝Xrf+iXif是复数频域表示，Xrf和Xif分别表示傅里叶变换结果的实部和虚部；2通过RieFNO后的增强特征表示为：Or＝φWrXr-WiHi+br2Oi＝φWiXr+WrXi+bi3其中，Or和Oi分别表示实部和虚部的增强特征，φ是RELU激活函数，为可学习的权重矩阵，为偏置项，Cin表示输入通道数；3通过RieFNO将实部和虚部的增强特征进行相加融合，形成一个新的复合特征H，复合特征的计算公式如下：H＝φWhXr+Xi+bh4其中，是用于融合处理的可学习权重矩阵，为偏置项；4将融合后的复合特征H与先前的增强特征Or和Oi再次组合，组合后的频域特征分别表示如下：O'r＝W'rOr-W'iOi+W'hH+b'r5O'i＝W'iOr+W'rOi+W'hH+b'i6其中，为新的可学习权重矩阵，为新的偏置项5RieFNO应用软阈值函数对频域特征进行稀疏化处理：O″r,O″i＝SoftShrinkO'r,O'i；λ7其中，λ为稀疏化阈值参数，O″r,O″i分别表示优化后的频域特征，SoftShrink表示软阈值函数；6将优化后的频域特征重新映射回时间域，以保留和利用频域增强的诊断信息： 其中，表示逆傅里叶变换，通过逆傅里叶变换得到时间域中经过增强处理的ECG信号xt；小波注意力机制wKAN的实现需要包括通道注意力机制单元和空间注意力机制单元；通道注意力机制单元首先压缩特征图的空间维度，分别提取不同的特征表示，然后通过全连接层来生成通道注意力权重，计算公式如下： 其中，σ是sigmoid激活函数，AvgPoolF和MaxPoolF分别表示在时间维度上的平均池化和最大池化操作，W1和W2表示注意力权重，φ表示RELU激活函数，F表示通道注意力机制单元的输入数据；空间注意力机制单元压缩通道维度，首先对输入数据进行平均池化和最大池化操作，分别得到两种池化特征图；然后将这两种池化特征图在通道维度上进行拼接，形成一个新的输入张量；最后使用一个基于小波卷积的操作来捕捉特征图中的重要空间信息，整个过程用以下公式表示： 其中，σ是sigmoid激活函数，fwvA·表示小波KAN卷积操作,[；]表示在通道轴上的拼接操作，拼接后得到特征Xτ。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。