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！

龙图腾网获悉无锡市健维仪器有限公司申请的专利一种基于机器学习的心电图房颤数据检测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：CN119454045B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202411480987.1，技术领域涉及：A61B5/318；该发明授权一种基于机器学习的心电图房颤数据检测方法是由杨亮;陈洪;李卓设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本一种基于机器学习的心电图房颤数据检测方法在说明书摘要公布了：本发明提供的一种基于机器学习的心电图房颤数据检测方法，利用房颤心电数据的R波之间的间期不稳定和没有明显单独的P波的特征，通过采样操作强调波形特征，波形特征数据Distance，利用房颤心电数据不规则，波形重复概率低的特征，构建波形特征数据Similar；通过基于机器学习算法构建心电波分类模型，根据两个波形特征数据将房颤心电数据和正常心电数据进行分类。

本发明授权一种基于机器学习的心电图房颤数据检测方法在权利要求书中公布了：1.一种基于机器学习的心电图房颤数据检测方法，其包括以下步骤： S1：采集原始心电数据； 其特征在于，其还包括以下步骤： S2：对原始心电数据的对波形ECG进行分段； 按照预设的分割长度，将对原始心电数据进行等长分割，将得到的心电图片段记作：心电图片段一； 将所述心电图片段一的个数记为x； S3：对所有所述心电图片段一分别进行连续的n次不同尺寸的采样操作，得到对应的采样操作结果； 所述采样操作包括：依次执行的一次降采样和一次升采样； S4：统计每一个所述心电图片段一的原始数据和对应的所述采样操作结果，在每个采样点上的距离，记作：特征距离Distance； 步骤S4中，所述特征距离Distance的计算方法为： Distance=[ECG'1-ECG112+ECG'2-ECG122+…+ECG't-ECG1t2]； 其中，t为心电图片段的横坐标包括参与计算的采样点总数，ECG11,ECG12……ECG1t为心电图片段一中在每个采样点上的取值；ECG'1,ECG'2……ECG't为采样操作结果的心电图片段中在每个采样点上的取值； S5：在原始心电数据中随机选取x个点做为起点，按照所述分割长度进行切割；切割出x个等长的心电图片段二； S6：逐一获取每一个所述心电图片段二，在原始心电数据中进行搜索，得到相似片段，并统计每一个所述心电图片段二对应的相似片段个数，记作：相似个数Similar； 步骤S6中，所述相似片段的判断方法如下： a1：逐一获取每一个所述心电图片段二，记作：待检索片段； 将其对应的相似个数Similar初始化为0； a2：读取原始心电数据的第一个采样点，记作：开始点位； a3：基于所示开始点位向后获取所述分割长度的心电图数据，记作：待比较片段； a4：计算所述待检索片段和所述待比较片段的所述特征距离Distance，记作：D； a5：比较D和预设的相似阈值S； 如果DS，则表示二者不相似，执行步骤a7； 否则，表示二者相似，执行步骤a6； a6：将待检索片段对应的相似个数Similar加一，然后执行步骤a7； a7：获取下一个采样点，记作：开始点位，循环执行步骤a4~a5，直至原始心电数据中所有的采样点都参与计算； S7：基于特征距离Distance和相似个数Similar构建心电波特征矩阵K； K=[Distance;Similar]，K的矩阵尺寸为[2,x]； S8：基于机器学习算法模型构建心电波分类模型； 基于历史数据的心电波特征矩阵K构建训练集，对所述心电波分类模型进行训练，得到训练好的所述心电波分类模型； S9：获取待识别心电图数据，计算得到其对应的所述心电波特征矩阵K；将心电波特征矩阵K送入所述分类模型中进行分类，得到待识别心电图数据的识别结果；完成对达到心电图房颤数据的检测。

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无锡市健维仪器有限公司，其通讯地址为：214026 江苏省无锡市滨湖区五三零大厦1号十九层1909室；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”。

以上内容由龙图腾AI智能生成。