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！

龙图腾网获悉广西师范大学申请的专利一种心电图数据增强方法、系统、介质、设备及终端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：CN116712082B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310513752.7，技术领域涉及：A61B5/346；该发明授权一种心电图数据增强方法、系统、介质、设备及终端是由周飞燕;李佳佳设计研发完成，并于2023-05-09向国家知识产权局提交的专利申请。

本一种心电图数据增强方法、系统、介质、设备及终端在说明书摘要公布了：本发明属于数据增强处理技术领域，公开了一种心电图数据增强方法、系统、介质、设备及终端，系统构建双向长短期记忆网络与通道‑空间注意力机制相结合的生成对抗网络的ECG数据增强方法。GAN由生成器和判别器组成，二者是相互对抗的关系。生成器模型包含两条分支，其中含有BiLSTM的分支可以更好的捕捉到时序序列的依赖关系，从而保留疾病的关键特征；另一条含有CBAM的分支则是对输入的特征图进行自适应特征细化；最后将两条分支的输出进行融合，经过一层反卷积层将序列重塑为长度为300x1的一维序列。判别器模型采用DCGAN的思想，由三层Conv1D层、一层Dropout层、一层Flatten层和一层Dense构成。生成器和判别器通过对抗学习，最终生成逼真的ECG心拍数据，从而实现心电图数据增强。

本发明授权一种心电图数据增强方法、系统、介质、设备及终端在权利要求书中公布了：1.一种心电图数据增强方法，其特征在于，心电图数据增强方法包括：系统构建双向长短期记忆网络BiLSTM与通道-空间注意力机制CBAM特征融合的生成对抗网络模型；GAN由生成器和判别器组成，生成器模型含有BiLSTM的分支用于捕捉时序序列的依赖关系，从而保留疾病的关键特征；含有CBAM的分支用于对输入的特征图进行自适应特征细化；判别器使用具有三层卷积核大小为1x3卷积层的网络结构；在GAN的训练过程中，生成器和判别器通过对抗学习，最终生成逼真的ECG心拍数据；最后可将生成的ECG心拍数据加入分类模型的训练集，实现心电图数据增强； 心电图数据增强方法包括以下步骤： 步骤一，数据预处理：对原始采集的ECG记录应用巴特沃斯带通滤波器去除原始采集的ECG信号中的高频和低频来消除噪声； 步骤二，数据划分：将来自MIT-BIH数据库中导联II分割后的ECG心拍分为训练集和测试集； 步骤三，构建BiLSTM+CBAM特征融合生成对抗网络模型； 步骤四，利用评价指标对生成对抗网络模型的性能进行评价； 步骤一中，使用巴特沃斯带通滤波器去除原始ECG数据中的噪声干扰； 根据AAMI的建议，丢弃102、104、107和217四条记录；R峰已在MIT-BIH数据库中标记，每个心拍取R波前100个采样点，R波后200个采样点，包含R波共300个采样点； 步骤三中，BiLSTM+CBAM特征融合生成对抗网络模型的生成器输入是长度为100的随机噪声，判别器的输入是原始心拍，将生成器生成的数据作为输出，并用判别器判别生成数据的真假； 生成器模型包括两条分支，第一条分支使用编码器、BiLSTM和解码器设计；编码器包括两个反卷积层，具有不同的内核大小和相同特征图；解码器具有两个不同内核大小的反卷积层；另一条分支使用编码器、CBAM和解码器设计；通过BiLSTM保留疾病的关键特征和CBAM对输入的特征图进行自适应特征细化，将两条分支的输出进行融合；经过一层反卷积层将序列重塑为长度为300x1的一维序列，并采用Tanh激活函数对网络输出进行处理； 采用DCGAN判别器的思想，判别器模型由三层Conv1D层、一层Dropout层、一层Flatten层和一层Dense构成，卷积核大小为1x3，特征图大小分别为32,128和256以及步长为2；卷积层的输出被全连接层映射为1×1的值，并通过sigmoid激活函数进行处理，作为判别器的输出值； 对于GAN的训练过程，生成器使用Adam优化器，学习率为0.0005；判别器使用RMSprop优化器，学习率为0.0001。

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广西师范大学，其通讯地址为：541004 广西壮族自治区桂林市广西师范大学；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。