Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州电子科技大学赵治栋获国家专利权

杭州电子科技大学赵治栋获国家专利权

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!

龙图腾网获悉杭州电子科技大学申请的专利一种基于质量评估和深度迁移学习的心电身份识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114861706B

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210359234.X,技术领域涉及:G06F21/32;该发明授权一种基于质量评估和深度迁移学习的心电身份识别方法是由赵治栋;王雪婷;张烨菲;张晓红;苗春雨设计研发完成,并于2022-04-06向国家知识产权局提交的专利申请。

一种基于质量评估和深度迁移学习的心电身份识别方法在说明书摘要公布了:本发明公开一种基于质量评估和深度迁移学习的心电身份识别方法。首先,提出基于SVM的心电信号质量评估算法,对原始心电信号进行三种不同质量等级的分类;其次,提出基于小波变换去噪算法对“可疑”信号进行去噪处理,从而获得去噪后的“合格”信号;然后,利用广义S变换对“合格”信号和去噪后的“合格”信号进行时频域分析将一维心电信号转化为二维ECG轨迹图作为模型输入;最后,通过对原始GoogleNet网络模型的改进和优化,构建基于GoogleNet的二次深度迁移识别模型;选用网络层较深的GoogleNet模型进行基于心电信号的迁移学习识别训练,在提高识别准确率的同时也减少了识别认证时间。

本发明授权一种基于质量评估和深度迁移学习的心电身份识别方法在权利要求书中公布了:1.一种基于质量评估和深度迁移学习的心电身份识别方法,其特征在于包括以下步骤: 步骤一:构建基于SVM的心电信号质量评估分类模型,对心电信号进行质量等级分类; 所述信号质量等级分类包括“合格”信号、“可疑”信号、“差”信号三类; 步骤二:基于小波变换去噪算法对“可疑”信号进行处理,获得消噪后的“合格”信号;具体是: 选取合适的小波基函数和分解尺度对“可疑”信号进行小波变换分解;然后对每一个分解层进行阈值去噪处理;最后再将每一个分解层经过去噪处理后的信号进行信号重构,从而得到干净的心电信号; 步骤三:对步骤一“合格”信号和步骤二消噪后的“合格”信号进行广义S变换生成ECG轨迹图; 步骤四:对改进后的GoogleNet网络二次迁移学习构建深度迁移识别网络模型,并利用其实现基于心电信号的个体身份识别;具体是: 所述深度迁移网络模型采用GoogleNet网络作为基本框架,并对原始GoogleNet网络模型进行二次改进和优化,从而构建基于心电信号的身份识别模型; 所述GoogleNet网络共有22个卷积层,其中9个inception模块用来提升网络结构的深度和宽度;具体为:第一层卷积层使用7×7的卷积核,再经过3×3的最大池化层和1×1的卷积层进行降维输出;第二层卷积层使用3×3的卷积核,再经过3×3卷积的最大池化层输出;第三层为两个inception模块3a-3b;第四层为五个inception模块4a-4e,将第三层两个inception模块3a-3b的输出作为第四层的输入;第五层为两个inception模块5a-5b,将第四层五个inception模块4a-4e的输出作为第五层的输入完成卷积操作;第六层为模型输出层; 模型训练过程中,首先对原始GoogleNet网络模型进行优化完成第一次迁移学习,具体为将原始GoogleNet网络模型的inception模块中的一个5×5大卷积层更改为两个串联的3×3的小卷积层,优化后的网络模型在增加原始网络模型深度的同时又减少了模型参数的计算量;将心律正常心电信号经过步骤1-3处理后的频域轨迹图作为第一次迁移学习模型的输入进行训练,得到第一次迁移学习训练后的模型GoogleNet-T1;然后对第一次迁移学习后的模型GoogleNet-T1部分网络层采用冻结加微调的技术进行参数更新构建第二次迁移学习模型GoogleNet-T2,将心律异常心电信号经过步骤1-3处理后的频谱轨迹图作为第二次迁移学习模型的输入进行异常心律心电信号的识别训练,最终得到训练好的深度迁移网络模型; 所述冻结具体为将第一次迁移学习模型GoogleNet-T1中前三层,即包含第一层的7×7卷积核和3×3池化层、第二层的3×3卷积核和3×3池化层和第三层的inception模块3a-3b进行固定的技术,冻结后的网络层在模型训练过程中不会进行参数的更新,主要用于提取心电信号的相同特征,从而减小模型识别训练时间; 所述微调具体为对第一次迁移学习模型GoogleNet-T1中的第四层和第五层,主要包含inception模块4a-4e和inception模块5a-5b的卷积层进行参数更新,用于提取心电信号的细节特征。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人杭州电子科技大学,其通讯地址为:310018 浙江省杭州市下沙高教园区2号大街;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

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。