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！

龙图腾网获悉哈尔滨理工大学申请的专利基于生成对抗网络的心电信号去噪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：CN115429285B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202211178303.3，技术领域涉及：A61B5/318；该发明授权基于生成对抗网络的心电信号去噪方法是由张锐;张仁亮设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本基于生成对抗网络的心电信号去噪方法在说明书摘要公布了：本发明涉及心电信号去噪处理领域，尤其是基于生成对抗网络的心电信号去噪方法。心电信号去噪处理是历年来心脏疾病的临床诊断和远程医疗应用中极具挑战的问题，本发明通过生成器网络和鉴别器网络来进行心电信号去噪，其中生成器网络基于全卷积掩码多层去噪自编码器的结构，结合了全卷积神经网络与掩码去噪自编码器的特性进行心电信号去噪，网络共有11层，由5层卷积层与6层反卷积层组成。鉴别器网络使用卷积神经网络的结构，由5层卷积层与1层全连接层组成。利用对抗性训练的思想进行网络训练，使生成器获得去噪能力，且在去噪效果显著的情况下保留了更多的局部特征。

本发明授权基于生成对抗网络的心电信号去噪方法在权利要求书中公布了：1.心电信号的去噪方法，实现包括以下几个步骤： 步骤一：进行生成器训练 通过堆叠多个降噪掩码编码器形成的深度神经网络；首先，输入信号会根据降噪自编码的基本原理，训练得到第一个隐含层，丢弃其中的解码部分；然后，用训练得到的隐含层作为输入信号，再次使用降噪自编码器的工作原理，训练得到第二个隐含层，并且再次丢弃解码部分，直至完成堆叠自编码器形成多层降噪自动编码器； 生成器中采用掩码自编码器结构，通过随机屏蔽一段信号，来增强网络准确性鲁棒性，并且使用深监督方法进行损失计算，提高网络准确度； 输入信号经过生成器，通过降低损失函数来优化生成器参数；对于生成器的损失函数先使用了一个距离函数，L1～L6对应的距离函数分量分别为ld1～ld6，ykdi表示第k轮Li层距离分量对应的参考值原始干净信号，y′代表生成器生成的去噪后的信号： 同时，由于心电信号本身的局部特征可能包含一些重要的医学信息，尽可能保留这些局部特征，所以在生成器的损失函数中添加了下式： 该式表示去噪后心电信号和原始干净心电信号之间的局部特征差异；L1～L6对应的局部特征函数分量分别为lm1～lm6，根据生成对抗网络的原理，我们将生成器的对抗性损失定义为下式： lr＝log1-DγGθX 式中GθX表示在输入为X，参数为θ的情况下由生成器生成的去噪后的心电信号，而DrGθX表示在参数为γ的情况下，由鉴别器来评估GθX是来自原始干净的心电信号而不是生成器生成结果的概率； 所以我们将生成器的损失函数定义为以下三部分组成，其中α和β为权重参数，根据损失函数的优化实验，最终确定二者的值： LG＝lr+αld+βlm 步骤二：进行鉴别器训练 将生成器生成的心电信号与干净的心电信号作为鉴别器输入，通过降低损失函数进行优化鉴别器参数；对于鉴别器的损失函数，使用了生成对抗网络的原始损失函数： LD＝-[logDγs+log1-DγGθX] 其中DγY表示在参数为γ的情况下，鉴别器评估输入Y是来自原始干净的心电信号的概率； 步骤三：进行对抗性训练 以对抗性训练的思想交替训练生成器与鉴别器，直到两者损失函数趋于稳定；生成器与鉴别器形成对抗性的关系，生成器希望自己生成的心电信号可以骗过鉴别器的鉴别，而鉴别器希望自己可以准确的判断出输入的心电信号数据是否是原始干净的心电信号，两者交替学习，提高自己的能力； 步骤四：生成信号 最后通过生成器生成去噪后的心电信号；通过生成器和鉴别器之间的对抗性训练，生成器不断学习输入的带噪声的心电信号和原始的干净心电信号之间的差异，而这些差异正是噪声的特征，鉴别器通过不断学习，提高自己区分原始干净心电信号的能力；当生成器和鉴别器的损失函数逐渐收敛到合理的范围内时，生成器也就获得了去噪的能力。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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”。