龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：大连大学
申请日：2024-03-29
公开（公告）日：2024-06-14
公开（公告）号：CN118177819A
主分类号：A61B5/318
分类号：A61B5/318;A61B5/346;G16H50/20;G06T7/00;G06V10/764;G06V10/80;G06N3/0464;G06N3/096;G06N3/084;G06N3/045
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了基于深度学习的多分支心衰诊断方法及系统，涉及智慧医疗技术领域；获取心电图像数据集并进行预处理；构建融合区域性向量注意力机制的多分支心衰诊断模型，包括提取12导联特征、将12导联特征进行深度融合、基于融合后的特征进行分类；通过梯度加权类激活映射将多分支心衰诊断模型的诊断结果进行可解释性分析。本发明在12导联特征提取中有效地集成了深度可分离卷积和基于局部向量的自注意力LVS，全面提取每个导联的心衰特征信息。随后，每个导联的特征图沿着深度维度融合，促进整体表示，利用各个导联的独特视角来彻底表征心衰心电图。同时，采用预训练的Densenet161进行迁移学习来增加模型泛化能力，避免过拟合。
主权项：1.一种基于深度学习的多分支心衰诊断方法，其特征在于，包括以下步骤：获取心电图像数据集并进行预处理；构建融合区域性向量注意力机制的多分支心衰诊断模型；通过梯度加权类激活映射将多分支心衰诊断模型的诊断结果进行可解释性分析。
全文数据：
权利要求：
百度查询： 大连大学 基于深度学习的多分支心衰诊断方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号