買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜齊魯工業(yè)大學(xué)(山東省科學(xué)院);山東省人工智能研究院;山東科技大學(xué)申請(qǐng)的專利一種基于對(duì)比學(xué)習(xí)和CHNet模型的心電分類方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN118133188B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202410417179.4，技術(shù)領(lǐng)域涉及：G06F18/2431；該發(fā)明授權(quán)一種基于對(duì)比學(xué)習(xí)和CHNet模型的心電分類方法是由劉照陽(yáng);周書旺;呂建東;徐鵬搖;劉威;徐國(guó)璇;劉振宇設(shè)計(jì)研發(fā)完成，并于2024-04-09向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于對(duì)比學(xué)習(xí)和CHNet模型的心電分類方法在說(shuō)明書摘要公布了：一種基于對(duì)比學(xué)習(xí)和CHNet模型的心電分類方法，涉及心電信號(hào)分類領(lǐng)域，首先無(wú)標(biāo)簽心電信號(hào)經(jīng)由預(yù)處理操作之后得到采樣頻率、采樣點(diǎn)數(shù)規(guī)格統(tǒng)一的信號(hào)，信號(hào)傳入數(shù)據(jù)增強(qiáng)層經(jīng)由兩種不同信號(hào)的增強(qiáng)組合分別得到增強(qiáng)后的信號(hào)，借助CHNet神經(jīng)網(wǎng)絡(luò)分別重新編碼先前得到的增強(qiáng)信號(hào)編碼，進(jìn)行通過(guò)設(shè)計(jì)的對(duì)比損失函數(shù)計(jì)算兩種增強(qiáng)信號(hào)編碼之前的差距，即不同類別之間使其差距更大相同類別之間差距更小。根據(jù)損失之間的差異更新CHNet模型，最后添加線性層實(shí)現(xiàn)對(duì)心電信號(hào)的分類。

本發(fā)明授權(quán)一種基于對(duì)比學(xué)習(xí)和CHNet模型的心電分類方法在權(quán)利要求書中公布了：1.一種基于對(duì)比學(xué)習(xí)和CHNet模型的心電分類方法，其特征在于，包括如下步驟：a獲取原始心電信號(hào)X；b對(duì)原始心電信號(hào)X進(jìn)行數(shù)據(jù)增強(qiáng)，得到增強(qiáng)后的心電信號(hào)XT1及增強(qiáng)后的心電信號(hào)XT2；c構(gòu)建CHNet編碼器網(wǎng)絡(luò)，CHNet編碼器網(wǎng)絡(luò)由HM模塊、卷積模塊、LSTM層、第一一維卷積層、第一BN層、第一ReLU函數(shù)、第二一維卷積層、第二BN層、第二ReLU函數(shù)、全連接層構(gòu)成；d將增強(qiáng)后的心電信號(hào)XT1輸入到CHNet編碼器網(wǎng)絡(luò)的HM模塊中，輸出得到特征XT1′，將增強(qiáng)后的心電信號(hào)XT2輸入到CHNet編碼器網(wǎng)絡(luò)的HM模塊中，輸出得到特征XT2′；e將特征XT1′輸入到CHNet編碼器網(wǎng)絡(luò)的卷積模塊中，輸出得到特征XF3，將特征XT2′輸入到CHNet編碼器網(wǎng)絡(luò)的卷積模塊中，輸出得到特征XN3；f將特征XF3輸入到CHNet編碼器網(wǎng)絡(luò)的LSTM層中，輸出得到特征XF3′，將特征XF3與特征XF3′進(jìn)行相加操作，得到特征XF4，將特征XF4依次輸入到CHNet編碼器網(wǎng)絡(luò)的第一一維卷積層、第一BN層、第一ReLU函數(shù)中，輸出得到特征XF5，將特征XF3′與特征XF5進(jìn)行相加操作后得到特征XF6，將特征XF6輸入到CHNet編碼器網(wǎng)絡(luò)的第二一維卷積層中，輸出得到特征XF7，將特征XF7依次輸入到CHNet編碼器網(wǎng)絡(luò)的第二BN層、第二ReLU函數(shù)、全連接層中，輸出得到特征Xg1；g將特征XN3輸入到CHNet編碼器網(wǎng)絡(luò)的LSTM層中，輸出得到特征XN3′，將特征XN3與特征XN3′進(jìn)行相加操作，得到特征XN4，將特征XN4依次輸入到CHNet編碼器網(wǎng)絡(luò)的第一一維卷積層、第一BN層、第一ReLU函數(shù)中，輸出得到特征XN5，將特征XN3′與特征XN5進(jìn)行相加操作后得到特征XN6，將特征XN6輸入到CHNet編碼器網(wǎng)絡(luò)的第二一維卷積層中，輸出得到特征XN7，將特征XN7依次輸入到CHNet編碼器網(wǎng)絡(luò)的第二BN層、第二ReLU函數(shù)、全連接層中，輸出得到特征Xg2；h利用特征Xg1與特征Xg2計(jì)算對(duì)比損失函數(shù)InfoNCE，使用Adam優(yōu)化器利用對(duì)比損失函數(shù)InfoNCE訓(xùn)練CHNet編碼器網(wǎng)絡(luò)，得到優(yōu)化后的CHNet編碼器網(wǎng)絡(luò)；i將需要預(yù)測(cè)的心電信號(hào)Y輸入到優(yōu)化后的CHNet編碼器網(wǎng)絡(luò)中，輸出得到特征Xg；j將特征Xg輸入到Softmax激活函數(shù)中，Softmax激活函數(shù)輸出單元數(shù)目為2，得到[0,1]之間的心電信號(hào)類別，當(dāng)心電信號(hào)類別為0時(shí)，表示原始心電信號(hào)X為正常信號(hào)，當(dāng)心電信號(hào)類別為1時(shí)，表示原始心電信號(hào)X為異常信號(hào)；步驟d包括如下步驟：d-1CHNet編碼器網(wǎng)絡(luò)的HM模塊由第一分支、第二分支、第三分支構(gòu)成；d-2HM模塊的第一分支由第一一維卷積層、第一BN層、第二一維卷積層、第二BN層、平均池化層、第三一維卷積層、第三BN層、ReLU函數(shù)構(gòu)成，將增強(qiáng)后的心電信號(hào)XT1依次輸入到第一分支的第一一維卷積層、第一BN層、第二一維卷積層、第二BN層、平均池化層中，輸出得到特征Xb1，將特征Xb1依次輸入到第一分支的第三一維卷積層、第三BN層、ReLU函數(shù)中，輸出得到特征Xb1′，將增強(qiáng)后的心電信號(hào)XT2依次輸入到第一分支的第一一維卷積層、第一BN層、第二一維卷積層、第二BN層、平均池化層中，輸出得到特征Xm1，將特征Xm1依次輸入到第一分支的第三一維卷積層、第三BN層、ReLU函數(shù)中，輸出得到特征Xm1′；d-3HM模塊的第二分支由第一一維卷積層、第一BN層、第二一維卷積層、第二BN層、平均池化層、第三一維卷積層、第三BN層、ReLU函數(shù)構(gòu)成，將增強(qiáng)后的心電信號(hào)XT1依次輸入到第二分支的第一一維卷積層、第一BN層、第二一維卷積層、第二BN層、平均池化層中，輸出得到特征Xb2，將特征Xb2依次輸入到第二分支的第三一維卷積層、第三BN層、ReLU函數(shù)中，輸出得到特征Xb2′，將增強(qiáng)后的心電信號(hào)XT2依次輸入到第二分支的第一一維卷積層、第一BN層、第二一維卷積層、第二BN層、平均池化層中，輸出得到特征Xm2，將特征Xm2依次輸入到第二分支的第三一維卷積層、第三BN層、ReLU函數(shù)中，輸出得到特征Xm2′；d-4HM模塊的第三分支由第一一維卷積層、第二一維卷積層、第一BN層、ReLU函數(shù)、第三一維卷積層、第二BN層、平均池化層、全連接層、第四一維卷積層、第五一維卷積層、全連接層構(gòu)成，將增強(qiáng)后的心電信號(hào)XT1輸入到第三分支的第一一維卷積層中，輸出得到特征Xb3，將特征Xb3依次輸入到第三分支的第二一維卷積層、第一BN層、ReLU函數(shù)、第三一維卷積層、第二BN層、平均池化層中，輸出得到特征Xb3′，將特征Xb3′輸入到第三分支的全連接層中，輸出得到特征Xb3″，將特征Xb3″與特征Xb2′進(jìn)行相加操作，得到特征Xc，將特征Xc輸入到第三分支的第四一維卷積層中，輸出得到特征Xc′，將特征Xc′與特征Xb1′進(jìn)行相加操作，得到特征Xd，將特征Xd輸入到第三分支的第五一維卷積層中，輸出得到特征Xd′，將特征Xd′輸入到第三分支的全連接層中，輸出得到特征XT1′，將增強(qiáng)后的心電信號(hào)XT2輸入到第三分支的第一一維卷積層中，輸出得到特征Xm3，將特征Xm3依次輸入到第三分支的第二一維卷積層、第一BN層、ReLU函數(shù)、第三一維卷積層、第二BN層、平均池化層中，輸出得到特征Xm3′，將特征Xm3′輸入到第三分支的全連接層中，輸出得到特征Xm3″，將特征Xm3″與特征Xm2′進(jìn)行相加操作，得到特征Xh，將特征Xh輸入到第三分支的第四一維卷積層中，輸出得到特征Xh′，將特征Xh′與特征Xm1′進(jìn)行相加操作，得到特征Xk，將特征Xk輸入到第三分支的第五一維卷積層中，輸出得到特征Xk′，將特征Xk′輸入到第三分支的全連接層中，輸出得到特征XT2′。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人齊魯工業(yè)大學(xué)(山東省科學(xué)院);山東省人工智能研究院;山東科技大學(xué)，其通訊地址為：250353 山東省濟(jì)南市西部新城大學(xué)科技園；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。