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！

龙图腾网获悉郑州大学申请的专利半监督多标签心电异常事件识别方法及系统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：CN118845028B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202410908948.0，技术领域涉及：A61B5/318；该发明授权半监督多标签心电异常事件识别方法及系统是由王宁;王宗敏;谭健;黄玮;刘思畅;汪登兴;王海燕;冯盼盼;李世华;周兵设计研发完成，并于2024-07-08向国家知识产权局提交的专利申请。

本半监督多标签心电异常事件识别方法及系统在说明书摘要公布了：本发明涉及心电信号分类、多标签学习、半监督学习、伪标签学习和表征学习技术领域，特别涉及一种半监督多标签心电异常事件识别方法及系统，利用有标记心电数据预训练教师心电分类模型，随后对心电数据进行数据增广；基于预训练后的教师模型提取弱增广后的数据集的特征和预测向量作为元素，以此构建特征‑标签记忆模块；基于全局和局部类别相关性，伪标签生成模块生成无标记心电数据伪标签；基于双边界阈值策略，伪标签筛选模块筛选出高质量伪标签；利用心电一致性学习模块学习心电数据的类内特征。本发明在有标记心电数据样本量稀疏的场景下，可以有效识别各类心电异常事件。

本发明授权半监督多标签心电异常事件识别方法及系统在权利要求书中公布了：1.一种半监督多标签心电异常事件识别方法，其特征在于，包含： 步骤1、利用有标记心电数据预训练教师心电分类模型，随后对心电数据进行数据增广； 教师心电分类模型包含教师特征提取器和教师分类器，教师特征提取器集成了残差卷积神经网络和多头自注意力网络，教师分类器为多层感知机；数据增广包括弱数据增广和强数据增广，有标记心电数据进行弱数据增广生成有标记数据弱增广视图，无标记心电数据分别进行弱增广和强增广，生成无标记数据弱增广视图和无标记数据强增广视图，其中，和分别为弱增广标志和强增广标志，l表示该数据有标记，u表示该数据无标记，表示某一实例； 步骤2、基于预训练后的教师模型提取弱增广后的数据集的特征和预测向量作为元素，以此构建特征-标签记忆模块； 构建特征-标签记忆模块过程为：将有标记数据弱增广视图和无标记数据弱增广视图分别输入教师特征提取器，以提取特征向量和，以此构建特征集；再将这些特征向量输入教师分类器，输出预测向量和，以此构建标签集； 步骤3、基于全局和局部类别相关性，伪标签生成模块生成无标记心电数据伪标签包括全局伪标签生成和局部伪标签生成； 在全局伪标签生成中，利用有标记心电数据的真实标签作为先验知识，计算全局类别的相关概率，计算公式如下：；；式中，为有标记标签在第类的真实标签，为的条件值，为第类和第类的相关概率； 接着，通过学生特征提取器和学生分类器提取无标记数据弱增广视图的特征向量和输出相应的预测向量，利用全局类别的相关概率校准分类预测向量，生成基于全局类别相关性的伪标签，全局伪标签的计算公式如下：；；；；；式中，为属于第类的预测向量，表示属于第类的正相关概率，表示属于第类的负相关概率，逻辑回归函数，将预测概率调整至0到1区间，表示的全局伪标签； 在局部伪标签生成中，以学生特征提取器提取的无标记心电数据特征向量为锚点，基于K近邻算法和欧式距离，度量特征向量在特征-标签记忆模块中K个最近邻特征元素，并根据邻居特征元素所对应的预测向量计算的局部伪标签，局部伪标签的计算公式如下：；；；式中，是度量函数，是特征向量在特征-标签记忆模块中第k个最近的特征元素，是在标签集中对应的预测向量；为第k个邻居的标签贡献权重，表示的局部伪标签； 最后，计算无标记数据弱增广视图的伪标签，计算公式如下：；式中，表示全局-局部伪标签比例参数，表示无标记数据弱增广视图的伪标签； 步骤4、基于双边界阈值策略，伪标签筛选模块筛选出高质量伪标签； 以双边界阈值策略为每个类别定义相应的阳性边界阈值和阴性边界阈值； 在计算阳性边界阈值方面，通过计算每轮迭代中针对整体的预测向量和针对各类别的预测向量的增量，以自适应更新的方式优化阳性边界阈值，阈值计算公式如下： ；；；式中，是控制阈值更新的超参数，表示在第轮迭代中第类的阳性阈值；和反映了学生模型在第t轮迭代中整体阳性预测和第类别阳性预测方面的学习状态； 在计算阴性边界阈值方面，通过计算每轮迭代中针对整体的预测向量和针对各类别的预测向量的减少量，以自适应更新的方式优化阴性边界阈值，阈值计算公式如下： ；；；式中，表示在第轮迭代中第类的阴性阈值，和反映了学生模型在第轮迭代中整体阴性预测和第类别阴性预测方面的学习状态； 步骤5、利用心电一致性学习模块学习心电数据的类内特征。

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郑州大学，其通讯地址为：450001 河南省郑州市高新技术开发区科学大道100号；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”。