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！

龙图腾网获悉杭州数智莱达科技有限公司申请的专利基于特征自适应加权融合的心电信号自动分类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：CN116784858B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202310610578.8，技术领域涉及：A61B5/318；该发明授权基于特征自适应加权融合的心电信号自动分类方法及系统是由江翔;邓木清;张伟丽;谭伟宏;陈晖设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本基于特征自适应加权融合的心电信号自动分类方法及系统在说明书摘要公布了：本发明涉及自动分类技术领域，公开了一种基于特征自适应加权融合的心电信号自动分类方法及系统，包括以下步骤：S1、获取待分类十二导联的心电信号和测试用的十二导联的心电信号，进行特征提取，获得其各自的数据时间序列，并进一步得到特征数据；S2、提取特征数据的动力学特征；计算得到的待分类动力学特征与测试动力学特征之间的动力学差异；S3、对待分类特征数据再次进行特征提取，得到深度特征；S4、计算待分类特征数据的特征在分类识别中的权重，根据待分类特征数据的特征在分类识别中的权重将深度特征进行自适应加权特征融合，通过全连接网络输出待分类的十二导联的心电信号的分类识别结果。本发明解决了现有技术无法将不同的深度特征进行自适应加权融合的问题，且具有分类识别准确的特点。

本发明授权基于特征自适应加权融合的心电信号自动分类方法及系统在权利要求书中公布了：1.基于特征自适应加权融合的心电信号自动分类方法，其特征在于：包括以下步骤： S1、将待分类和测试用的十二导联的心电信号进行预处理；对预处理后的待分类和测试用的心电信号每个导联的数据进行特征提取，获得其各自的数据时间序列，并进一步得到待分类特征数据和测试特征数据； 步骤S1中，进行特征提取时，对预处理后的待分类和测试用的心电信号的波形进行分析，具体步骤为： 计算心电数据序列的相邻心拍对应数据点之间的幅值差值作为幅值特征数据，由此获得全心拍幅值特征数据的时间序列； 计算心电数据序列的每一心拍对应数据点之间的时间间隔值作为宽度特征数据，由此获得全心拍宽度特征数据的时间序列； 计算心电数据序列的每一心拍心电数据与心电基线之间围成的面积数值作为面积特征数据，其中基线以上部分为正面积，基线以下部分为负面积，由此获得全心拍面积特征数据的时间序列； S2、构建分类神经网络；通过分类神经网络提取待分类特征数据和测试特征数据的动力学特征；计算得到的待分类动力学特征与测试动力学特征之间的动力学差异； 其中，通过分类神经网络提取特征数据的内在动力学特征，具体为： 其中，向量表示t时刻特征曲线的待分类动力学特征点的值，表示t时刻的导数，是随时间演化的非线性动态项，表示特征曲线的非线性未知动态； 计算得到的待分类动力学特征与测试动力学特征之间的动力学差异，具体为： S201、计算待分类动力学特征与测试动力学特征的分类神经网络权值矩阵： 其中，是由多个不同尺度因子下的小波神经网络组成的候选函数库，用来逼近非线性动态项： 是候选函数的系数，目标是寻找最小值，代表了能逼近非线性动态项的多个不同尺度的小波神经网络的组合；符号分别表示L-2范数运算；每个在一段时间内收敛至最优的常值，从而得到待分类动力学特征的分类神经网络权值矩阵； S202、计算测试动力学特征的分类神经网络权值矩阵与待分类动力学特征的分类神经网络权值矩阵之间的矩阵差值； S3、引入卷积神经网络；使用卷积神经网络对待分类特征数据再次进行特征提取，得到深度特征； S4、引入全连接网络；根据动力学差异计算待分类特征数据的特征在分类识别中的权重，根据待分类特征数据的特征在分类识别中的权重将深度特征进行自适应加权特征融合，通过全连接网络输出待分类的十二导联的心电信号的分类识别结果，其具体步骤为： S401、根据动力学差异计算待分类特征数据的特征在分类识别中的权重系数： 其中，、分别代表中的最大值和最小值；分别表示幅值特征、宽度特征及面积特征在最后分类识别任务中所占的权重系数； S402、将深度特征乘以对应的权重系数： S403、融合乘以权重系数后的，将其作为全连接网络的输入进行分类，得到分类识别的最终结果。

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数智莱达科技有限公司，其通讯地址为：310050 浙江省杭州市西湖区五洲国际商业中心1幢806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。