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！

龙图腾网获悉西安电子科技大学申请的专利基于Transformer结构和对抗学习的心脏冲击信号监测方法、系统、设备及介质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：CN118490214B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202410603520.5，技术领域涉及：A61B5/11；该发明授权基于Transformer结构和对抗学习的心脏冲击信号监测方法、系统、设备及介质是由焦昶哲;杨澳宇;赵汉涛设计研发完成，并于2024-05-15向国家知识产权局提交的专利申请。

本基于Transformer结构和对抗学习的心脏冲击信号监测方法、系统、设备及介质在说明书摘要公布了：基于Transformer结构和对抗学习的心脏冲击信号监测方法、系统、设备及介质，其方法为：获取心脏冲击信号的训练样本集和测试样本集；构建集成对抗学习的基于Tranformer架构的深度学习网络G，引入Transformer模型架构，可以更好地捕捉心脏冲击信号中的关键特征，同时可以能够捕捉到信号中的长距离依赖关系；对步骤二构建的基于Tranformer架构的深度学习网络G进行迭代训练，得到训练好的网络G*；将测试样本集送入训练好的网络G*进行检测，得到心率值预测结果，与心率标签进行可视化比较，计算预测值与真实心率之间误差；其系统、设备及介质基于上述方法进行心脏冲击信号监测，具有应对真实世界中的信号变化和噪声干扰的能力，有效提高未参与训练受试者的心脏冲击信号检测准确率。

本发明授权基于Transformer结构和对抗学习的心脏冲击信号监测方法、系统、设备及介质在权利要求书中公布了：1.一种基于Transformer结构和对抗学习的心脏冲击信号监测方法，其特征在于，具体包括以下步骤： 步骤一、获取心脏冲击信号的训练样本集和测试样本集； 步骤二、构建集成对抗学习的基于Transformer架构的深度学习网络G；具体为：构建一个包括Transformer架构的特征提取器T、输出子网络Fc以及分类信号来源任务的对抗学习网络Fa；其中，特征提取器T基于Transformer架构，包括Embedding层和Encoder层，Embedding层充当线性变换层，将输入向量的特征维度调整为适当的大小；Encoder层由4层Encoder组成，每个Encoder包含4头注意力机制和前馈神经网络，在每头注意力机制后，依次通过残差连接和层归一化以增强模型性能；输出子网络Fc由两层全连接层构成，两层全连接层之间依次嵌入ReLu层和Dropout层，以提高模型的鲁棒性；对抗学习网络Fa包括三层全连接层，每层后依次接ReLu层和Dropout层，以增强网络的泛化能力；在对抗学习网络Fa与特征提取器T之间，引入一个梯度反转层，梯度反转层将对抗学习网络Fa的损失反向传播并乘以超参数λ，然后传递给特征提取器T；超参数λ为负数，对超参数λ的调优，保证对抗学习网络的损失函数loss趋势向上，用于调整对抗学习网络Fa与特征提取器T之间的对抗关系，增强主干网络的泛化能力；损失函数Loss的表达式为： 其中，Loss1表示输出子网络Fc的范数损失函数，Loss2表示对抗学习网络Fa的交叉熵损失函数，∑表示求和，xi表示第i个信息段样本，yi表示第i个信息段所对应的标签值，表示第i个信息段的来源对应受试者编号，fxi代表第i个信息段样本经过网络前向传播的预测值； 步骤三、对步骤二构建的基于Transformer架构的深度学习网络G进行迭代训练，得到训练好的网络G*； 步骤四、获取测试样本集的检测结果：将测试样本集送入训练好的网络G*进行检测，得到心率值预测结果，与心率标签进行可视化比较，计算预测值与真实心率之间误差。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。

以上内容由龙图腾AI智能生成。