一种基于确定学习与深度学习的心肌缺血危险分层方法
- 专利权人:
- 杭州电子科技大学
- 发明人:
- 孟婷婷,邓木清,范慧婕,王聪
- 申请号：
- CN201811487253.0
- 公开号：
- CN109512423A
- 申请日:
- 2018.06.12
- 申请国别(地区):
- CN
- 年份:
- 2019
- 代理人:
- 摘要：
- 本发明公开了一种基于确定学习与深度学习的心肌缺血危险分层方法。本发明采集常规12导联心电图信号,基于确定学习理论对浅层心电信号蕴含的内在心电动力学特征进行神经网络建模、辨识,得到心电信号内在动态特征,运用深度学习框架下的卷积神经网络实现对心肌缺血的危险分层。本发明方法首次联合使用了确定学习动态建模方法与深度学习分类方法,并应用于心肌缺血的早期危险分层,基于常规12导联心电信号,不需附加新的检测设备,简单方便、容易操作。确定学习方法提取到对缺血状态更敏感的动态特征,而深度神经网络能够自主学习数据特征,不用进行进一步数据刻画,降低了系统的复杂度。
- 来源网站：
- 中国工程科技知识中心
