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！

龙图腾网恭喜北京麦迪克斯科技有限公司申请的专利一种基于人工智能的心电图异常程度检测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：CN119577657B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510128213.0，技术领域涉及：G06F18/2433；该发明授权一种基于人工智能的心电图异常程度检测方法是由高小峰;乔景荣设计研发完成，并于2025-02-05向国家知识产权局提交的专利申请。

本一种基于人工智能的心电图异常程度检测方法在说明书摘要公布了：一种基于人工智能的心电图异常程度检测方法，包括：对原始心电图数据去除低频噪声；根据去除低频噪声后的心电图信号，构建心电图时间序列异常检测模型；将去除低频噪声后的心电图信号分解为不同的低频成分和高频成分；对高频成分进行阈值处理，并重构心电图信号；对去除噪声干扰的心电图信号数据进行特征提取，得到心电图特征序列；将心电图特征序列输入至心电图时间序列异常检测模型进行模型参数估计，输出模型参数；根据估计的模型参数预测心电图特征序列的预测值，得出心电图异常得分。本发明通过智能引擎根据心电图信号自动构建心电图时间序列异常检测模型后，对模型参数进行调整，提高了心电图异常检测的精度和效率，并增强了泛化能力。

本发明授权一种基于人工智能的心电图异常程度检测方法在权利要求书中公布了：1.一种基于人工智能的心电图异常程度检测方法，其特征在于，所述方法包括：对原始心电图数据采用自适应滤波器去除低频噪声，得到去除低频噪声后的心电图信号；根据所述去除低频噪声后的心电图信号，构建心电图时间序列异常检测模型；利用二维离散小波变换将所述去除低频噪声后的心电图信号分解为不同尺度和不同平移位置下的低频成分和高频成分；对所述高频成分进行阈值处理，然后利用所述低频成分和经过阈值处理后的高频成分进行二维离散小波逆变换重构心电图信号，得到去除噪声干扰的心电图信号；对所述去除噪声干扰的心电图信号数据进行特征提取，得到心电图特征序列，包括：对所述去除噪声干扰的心电图信号进行卷积核变换，生成变换后的卷积核；利用变换后的卷积核在心电图信号上滑动进行卷积操作，提取心电图特征序列；其中，所述对所述去除噪声干扰的心电图信号进行卷积核变换，生成变换后的卷积核，包括：a定义卷积核变换群体G：所述群体G包含多种旋转和反射操作，每种操作对应一个特定的变换矩阵或变换规则；b生成变换索引indicesG：根据所述群体G中定义的每种旋转和反射操作，生成对应的变换索引；c应用Gather函数进行卷积核变换：使用Gather函数，根据生成的变换索引indicesG，对原始卷积核K进行元素的选择和重排，其中，卷积核变换公式为： ，其中，是用来根据给定的索引选择和重排列张量元素，它用于根据群体对卷积核进行变换；是原始卷积核，indicesG表示基于群体定义的旋转与反射操作生成的索引；d优化变换群体G和变换索引indicesG：通过对大量心电图数据进行训练和学习，来优化变换群体G和变换索引indicesG；通过不断调整群体中的旋转和反射操作，以及对应的变换索引，使得变换后的卷积核更加适应心电图信号的特征提取需求；将所述心电图特征序列输入至心电图时间序列异常检测模型进行模型参数估计，输出模型参数；其中，所述模型参数包括自回归系数、周期性自回归系数、移动平均系数、周期性移动平均系数、差分阶数和周期性差分阶数；根据估计的所述模型参数预测心电图特征序列的预测值，通过比较心电图特征序列的实际观测值与预测值之间的绝对偏差，并归一化到时间序列的标准差尺度上，得出心电图异常得分。

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北京麦迪克斯科技有限公司，其通讯地址为：100095 北京市海淀区高里掌路1号院11号楼1层3单元101,2层3单元201；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”。