龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：浙江大学
摘要：本发明公开了一种基于ECG和CMR数据的跨模态数据分析方法，包含：获取ECG、CMR配对数据集；构建深度学习模型；对深度学习模型进行第一阶段预训练，分别采用自监督和有监督的方法处理ECG数据和CMR数据；对深度学习模型进行第二阶段对比训练，进行ECG和CMR数据间的对比学习，冻结CMR编码器参数，仅对ECG编码器进行训练，优化两种数据特征间的对齐，通过有监督学习对ECG编码器进行微调；定义总损失函数；使用超参数搜索，在训练集上采用不同的超参数组合进行训练，在验证集上验证其性能，挑选出最佳超参数组合，在测试集上测试采取最佳超参数训练的深度学习模型。本发明的基于ECG和CMR数据的跨模态数据分析方法，仅使用ECG数据便能够提供全面的心血管健康评估。
主权项：1.一种基于ECG和CMR数据的跨模态数据分析方法，其特征在于，包含：获取ECG、CMR配对数据集，将其按比例划分为训练集、验证集和测试集；构建深度学习模型；对深度学习模型进行第一阶段预训练，分别采用自监督和有监督的方法处理ECG数据和CMR数据，对于ECG数据，通过自监督学习，使用预训练的编码器提取深层特征，并将ECG信号映射为模型可理解的特征向量，捕获信号的细微变化，对于CMR数据，采用有监督学习对图像进行预训练，训练模型识别关键的心脏表型指标和疾病特征，提取高质量特征；对深度学习模型进行第二阶段对比训练，进行ECG和CMR数据间的对比学习，在对比学习过程中，冻结CMR编码器参数，仅对ECG编码器进行训练，优化两种数据特征间的对齐，再通过有监督学习对ECG编码器进行微调；定义总损失函数；使用超参数搜索，在训练集上采用不同的超参数组合进行训练，并在验证集上验证其性能，挑选出最佳超参数组合，在测试集上测试采取最佳超参数训练的深度学习模型。
全文数据：
权利要求：
百度查询： 浙江大学 基于ECG和CMR数据的跨模态数据分析方法
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