申请/专利权人：山东大学

申请日：2022-09-22

公开（公告）日：2024-05-07

公开（公告）号：CN115363599B

主分类号：A61B5/361

分类号：A61B5/361

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2022.12.09#实质审查的生效;2022.11.22#公开

摘要：本发明提出了一种用于心房颤动识别的心电信号处理方法及系统，涉及心房颤动识别技术领域,该方法包括：对采样到的心电信号进行预处理，将一维心电信号转换为二维心电矩阵；基于二维心电矩阵中提取的浅层次特征，利用自补充注意力网络进行深层次的通道特征和空间特征提取和融合，得到融合后的特征图；本发明得到的融合后的特征图，可以更加精准地识别心房颤动，并且具有良好的泛化，而且适用于多种生理信号的分析例如脑电信号、心音信号以及脉搏信号等，在图像识别、语义分割等领域也具有一定的指导意义。

主权项：1.一种用于心房颤动识别的心电信号处理方法，其特征在于，包括：对采样到的心电信号进行预处理，将一维心电信号转换为二维心电矩阵；基于二维心电矩阵中提取的浅层次特征，利用自补充注意力网络进行深层次的通道特征和空间特征提取和融合，得到融合后的特征图；其中，所述浅层次特征的提取，基于三个卷积模块，每个卷积模块包括两个卷积层，具体步骤为：对矩阵进行横向卷积计算，提取相邻采样点之间的信息，得到横向特征图；对特征图中上下相邻的特征值进行卷积计算，提取间隔采样点之间的信息，得到浅层次特征图；所述自补充注意力网络，包括通道加权模块CWM、空间加权模块SWM和信息整合模块IIM；所述通道加权模块CWM，从浅层次特征图不同通道中提取通道特征值，并为每个通道计算一个权重，将各个通道的特征值加权平均，得到通道特征，权重的具体计算公式为： （2）其中，是权重矩阵，和分别代表浅层次特征图中第个通道特征图的全局平均值与全局最大值,为两者加和之后得到的第个通道的权重；所述空间加权模块SWM，从浅层次特征图不同区域中提取空间特征值，并为每个区域计算一个权重，将各个区域的空间特征值加权平均，得到空间特征，具体公式为： （5） （6） （7）其中，B是浅层次特征图，和分别代表浅层次特征图中第个特征图的平均权值与最大权值,和分别表示浅层次特征图中第个特征图添加平均权重和最大权值后得到的特征图，和分别表示添加平均权重后得到的特征图、添加最大权值后得到的特征图和拼接后得到的最终特征图；所述信息整合模块IIM，将通道加权模块CWM与空间加权模块SWM的输出进行元素融合与特征图合并，实现通道信息与空间信息元素之间的互补以及特征图之间的互补。

全文数据：

权利要求：

百度查询： 山东大学 一种用于心房颤动识别的心电信号处理方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD