JP7065185B2 - 心電信号の検出 - Google Patents
心電信号の検出 Download PDFInfo
- Publication number
- JP7065185B2 JP7065185B2 JP2020526667A JP2020526667A JP7065185B2 JP 7065185 B2 JP7065185 B2 JP 7065185B2 JP 2020526667 A JP2020526667 A JP 2020526667A JP 2020526667 A JP2020526667 A JP 2020526667A JP 7065185 B2 JP7065185 B2 JP 7065185B2
- Authority
- JP
- Japan
- Prior art keywords
- predetermined number
- electrocardiographic signal
- neural network
- convolutional neural
- feature data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/364—Detecting abnormal ECG interval, e.g. extrasystoles, ectopic heartbeats
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Cardiology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Fuzzy Systems (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Description
所定時間長の心電信号を分割して第1所定数の単一心拍を取得するステップと、
前記第1所定数の単一心拍の各単一心拍に対応する特徴データを特定し、第1所定数の特徴データを取得するステップと、
前記所定時間長の心電信号と前記第1所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するステップと、を含む。
第2畳み込みニューラルネットワークによって所定時間長の心電信号の病理タイプを特定するステップと、
前記病理タイプが前記心電信号に異常が発生したと示す場合に、前記所定時間長の心電信号を分割して第1所定数の単一心拍を取得するステップと、
前記第1所定数の単一心拍のデータを第1畳み込みニューラルネットワークへ入力することで、前記第1所定数の単一心拍における異常が発生した心拍位置を前記第1畳み込みニューラルネットワークによって特定するステップと、を含む。
所定時間長の心電信号を分割して第1所定数の単一心拍を取得するための第1分割モジュールと、
前記第1分割モジュールで取得された前記第1所定数の単一心拍の各単一心拍に対応する特徴データを特定し、第1所定数の特徴データを取得するための第1特定モジュールと、
前記所定時間長の心電信号と、前記第1特定モジュールで特定された前記第1所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するための第2特定モジュールと、を備える。
第2畳み込みニューラルネットワークによって所定時間長の心電信号の病理タイプを特定するための第4特定モジュールと、
前記第4特定モジュールで特定された前記病理タイプが前記心電信号に異常が発生したと示す場合に、前記所定時間長の心電信号を分割して第1所定数の単一心拍を取得するための第2分割モジュールと、
前記第2分割モジュールで取得された前記第1所定数の単一心拍のデータを第1畳み込みニューラルネットワークへ入力することで、前記第1畳み込みニューラルネットワークによって前記第1所定数の単一心拍における異常が発生した心拍位置を特定するための第5特定モジュールと、を備える。
単一心拍の持続時間に対して正規化を行う過程に、固定のサンプリングレートでサンプリングを行ってもよい。Pは、各サンプリング点での単一心拍の信号強度を示す。例えば、P1は、第1個のサンプリング点での単一心拍の信号強度を示し、PLは、第L個のサンプリング点での単一心拍の信号強度を示し、p1、p2、・・・pLは、L個のサンプリング点での単一心拍の信号強度を示し、tは、当該単一心拍の持続時間である。第1所定数がNであることを例示として説明すると、連続するN個のECG単一心拍は、下記のように表されてもよい。
Pijは、第j個のサンプリング点での第i個の単一心拍の信号強度を示し、i=1、2、・・・N、j=1、2、・・・L、t1、t2、・・・tNは、N個の単一心拍のそれぞれの持続時間を示す。
N個の単一心拍は、以下のように表されてもよい。
Nは、第1所定数、即ち、単一心拍の数である。
1)第1畳み込みニューラルネットワークを単独で訓練して、全ネットワークアーキテクチャに対する訓練の難易度を低減することができる。
2)十分な単一心拍データを第1畳み込みニューラルネットワークの訓練サンプルとして取得しやすい。このため、第1畳み込みニューラルネットワークが十分な訓練を受けることができ、単一心拍の認識の安定性および信頼性は、保証できる。
3)第1畳み込みニューラルネットワークで得られた特徴データに基づいて第2畳み込みニューラルネットワークの訓練を補強できるため、長い系列の連続心拍の心電信号のデータ不足の問題を解決できる。
4)心電信号の数が小さいため、本発明におけるアーキテクチャ設計は、組み込み型開発応用に適用できる。
所定時間長の心電信号における各単一心拍について、当該単一心拍のR波に対応する時点を特定し、
当該単一心拍のR波に前後に隣接する第2所定数の単一心拍のそれぞれのR波に対応する時点を特定し、
当該単一心拍のR波に対応する時点と、当該単一心拍に前後に隣接する第2所定数の単一心拍のそれぞれのR波に対応する時点とに基づいて、当該単一心拍に対応する時系列データを特定する。
Claims (9)
- 心電信号を検出するための電子機器に適用される心電信号検出方法であって、
所定時間長の心電信号を分割して第1所定数の単一心拍を取得するステップと、
前記第1所定数の単一心拍の各単一心拍に対応する特徴データを特定し、第1所定数の特徴データを取得するステップと、
前記所定時間長の心電信号と前記第1所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するステップと、を含み、
前記第1所定数の単一心拍の各単一心拍に対応する特徴データを特定するステップは、
前記第1所定数の単一心拍のデータを第1畳み込みニューラルネットワークへ順次入力することと、
前記第1所定数の単一心拍の各単一心拍に対応する特徴データを前記第1畳み込みニューラルネットワークによって抽出することと、を含み、
前記所定時間長の心電信号と前記第1所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するステップは、
前記第1所定数の単一心拍の各単一心拍に対応する時系列データを特定し、第1所定数の時系列データを取得することと、
前記第1所定数の時系列データと前記第1所定数の特徴データとを第2畳み込みニューラルネットワークの入力層へ入力することで、前記心電信号の病理タイプを前記第2畳み込みニューラルネットワークによって特定することと、を含む、
ことを特徴とする心電信号検出方法。 - 前記第1畳み込みニューラルネットワークによって前記第1所定数の単一心拍の各単一心拍に対して判定を行い、判定結果を取得するステップと、
前記判定結果に基づいて、前記第1所定数の単一心拍における異常が発生した心拍位置を特定するステップと、を更に含むことを特徴とする請求項1に記載の心電信号検出方法。 - 前記単一心拍に対応する時系列データを特定することは、
当該単一心拍のR波に対応する時点を特定することと、
当該単一心拍のR波に前後に隣接する第2所定数の単一心拍のそれぞれのR波に対応する時点を特定することと、
当該単一心拍のR波に対応する時点と、当該単一心拍に前後に隣接する第2所定数の単一心拍のそれぞれのR波に対応する時点とに基づいて、当該単一心拍に対応する時系列データを特定することと、を含むことを特徴とする請求項1に記載の心電信号検出方法。 - 前記所定時間長の心電信号と前記第1所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するステップは、
前記第1所定数の特徴データを第2畳み込みニューラルネットワークの所定畳み込み層へ入力することと、
前記所定時間長の心電信号を前記第2畳み込みニューラルネットワークの入力層へ入力することと、
前記第2畳み込みニューラルネットワークによって前記心電信号のタイプを特定することと、を含むことを特徴とする請求項1に記載の心電信号検出方法。 - 所定時間長の心電信号を分割して第1所定数の単一心拍を取得するための第1分割モジュールと、
前記第1分割モジュールで取得された前記第1所定数の単一心拍の各単一心拍に対応する特徴データを特定し、第1所定数の特徴データを取得するための第1特定モジュールと、
前記所定時間長の心電信号と、前記第1特定モジュールで特定された前記第1所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するための第2特定モジュールと、を備え、
前記第1特定モジュールは、
前記第1所定数の単一心拍のデータを第1畳み込みニューラルネットワークへ順次入力するための第1入力手段と、
前記第1所定数の単一心拍の各単一心拍に対応する特徴データを前記第1畳み込みニューラルネットワークによって抽出するための抽出手段と、を備え、
前記第2特定モジュールは、
前記第1所定数の単一心拍の各単一心拍に対応する時系列データを特定し、第1所定数の時系列データを取得するための第1特定手段と、
前記第1特定手段で取得された前記第1所定数の時系列データと、前記第1所定数の特徴データとを第2畳み込みニューラルネットワークの入力層へ入力するための第2入力手段と、
前記第2畳み込みニューラルネットワークによって前記心電信号の病理タイプを特定するための第2特定手段と、を備えることを特徴とする心電信号検出装置。 - 前記第1畳み込みニューラルネットワークによって前記第1所定数の単一心拍の各単一心拍に対して判定を行い、判定結果を取得するための判定モジュールと、
前記判定モジュールで取得された前記判定結果に基づいて、前記第1所定数の単一心拍における異常が発生した心拍位置を特定するための第3特定モジュールと、を更に備えることを特徴とする請求項5に記載の心電信号検出装置。 - 前記第2特定モジュールは、
前記第1所定数の特徴データを第2畳み込みニューラルネットワークの所定畳み込み層へ入力するための第3入力手段と、
前記所定時間長の心電信号を前記第2畳み込みニューラルネットワークの入力層へ入力するための第4入力手段と、
前記第2畳み込みニューラルネットワークによって、前記第3入力手段で入力された前記第1所定数の特徴データと、前記第4入力手段で入力された前記心電信号とに対して認識を行い、前記心電信号の病理タイプを特定するための第3特定手段と、を備えることを特徴とする請求項5に記載の心電信号検出装置。 - 機器読み取り可能な記憶媒体であって、
前記機器読み取り可能な記憶媒体には、上記請求項1から4の何れか一項に記載の心電信号検出方法を実行するための機器の実行可能な指令が記憶されていることを特徴とする機器読み取り可能な記憶媒体。 - プロセッサと、前記プロセッサの実行可能な指令を記憶するための記憶媒体とを備え、
前記プロセッサは、上記請求項1から4の何れか一項に記載の心電信号検出方法を実行することを特徴とする電子機器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710656849.8A CN107516075B (zh) | 2017-08-03 | 2017-08-03 | 心电信号的检测方法、装置及电子设备 |
CN201710656849.8 | 2017-08-03 | ||
PCT/CN2018/097917 WO2019024861A1 (zh) | 2017-08-03 | 2018-08-01 | 心电信号的检测 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020528336A JP2020528336A (ja) | 2020-09-24 |
JP7065185B2 true JP7065185B2 (ja) | 2022-05-11 |
Family
ID=60722226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020526667A Active JP7065185B2 (ja) | 2017-08-03 | 2018-08-01 | 心電信号の検出 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11534097B2 (ja) |
EP (1) | EP3644220A4 (ja) |
JP (1) | JP7065185B2 (ja) |
KR (1) | KR102451795B1 (ja) |
CN (1) | CN107516075B (ja) |
CA (1) | CA3071699C (ja) |
WO (1) | WO2019024861A1 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107516075B (zh) | 2017-08-03 | 2020-10-09 | 安徽华米智能科技有限公司 | 心电信号的检测方法、装置及电子设备 |
CN108030488A (zh) * | 2017-11-30 | 2018-05-15 | 北京医拍智能科技有限公司 | 基于卷积神经网络的心律失常的检测*** |
CN108470158B (zh) * | 2018-03-08 | 2020-05-12 | 华南理工大学 | 一种为动态ecg数据寻找误差最小网络计算结构的方法 |
KR20190114694A (ko) * | 2018-03-30 | 2019-10-10 | 삼성에스디에스 주식회사 | 인공지능을 이용한 시계열 데이터 학습 및 분석 방법 |
WO2020047750A1 (zh) * | 2018-09-04 | 2020-03-12 | 深圳先进技术研究院 | 心律失常的检测方法、装置、电子设备及计算机存储介质 |
TWI680746B (zh) * | 2018-11-21 | 2020-01-01 | 晶神醫創股份有限公司 | 神經事件偵測方法與系統 |
CN109480824B (zh) * | 2018-12-11 | 2021-10-08 | 武汉中旗生物医疗电子有限公司 | 心电波形数据的处理方法、装置和服务器 |
CN109875579A (zh) * | 2019-02-28 | 2019-06-14 | 京东方科技集团股份有限公司 | 情绪健康管理***和情绪健康管理方法 |
US20220218262A1 (en) * | 2019-04-30 | 2022-07-14 | Medicalgorithmics S.A. | Electrocardiogram signal segmentation |
WO2021019984A1 (ja) * | 2019-07-29 | 2021-02-04 | 株式会社カルディオインテリジェンス | 心電図表示装置、心電図表示方法及びプログラム |
US11521743B2 (en) * | 2019-10-21 | 2022-12-06 | Tencent America LLC | Framework for performing electrocardiography analysis |
CN111488793B (zh) * | 2020-02-21 | 2024-04-30 | 广州视源电子科技股份有限公司 | 心电信号分类方法、装置、电子设备和存储介质 |
KR102241799B1 (ko) * | 2020-08-06 | 2021-04-19 | 주식회사 에이티센스 | 심전도 신호의 분류 데이터를 제공하는 방법 및 전자 장치 |
CN112690802B (zh) * | 2020-12-25 | 2023-03-03 | 平安科技(深圳)有限公司 | 一种检测心电信号的方法、装置、终端及存储介质 |
CN112883803B (zh) * | 2021-01-20 | 2023-09-01 | 武汉中旗生物医疗电子有限公司 | 一种基于深度学习的心电信号分类方法、装置及存储介质 |
KR102653258B1 (ko) * | 2022-02-18 | 2024-04-01 | 주식회사 뷰노 | 심전도 기술 및 결과 통합 방법 |
WO2024019523A1 (ko) * | 2022-07-22 | 2024-01-25 | 주식회사 메디컬에이아이 | 심전도를 이용한 건강 상태의 예측 방법, 프로그램 및 장치 |
CN116530996B (zh) * | 2023-06-26 | 2023-08-29 | 广东技术师范大学 | 一种面向低测量负荷心电数据的异常预警方法及*** |
CN116548980B (zh) * | 2023-07-07 | 2023-09-01 | 广东技术师范大学 | 基于脉冲神经网络的长时程心电分类方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779234A (zh) | 2012-06-28 | 2012-11-14 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种心电图分类处理方法及装置 |
WO2017091736A1 (en) | 2015-11-23 | 2017-06-01 | Mayo Foundation For Medical Education And Research | Processing physiological electrical data for analyte assessments |
JP2017129896A (ja) | 2016-01-18 | 2017-07-27 | 富士通株式会社 | 機械学習装置、機械学習方法及び機械学習プログラム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL155955A0 (en) * | 2003-05-15 | 2003-12-23 | Widemed Ltd | Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal |
WO2008027520A2 (en) * | 2006-08-30 | 2008-03-06 | The Trustees Of Columbia University In The City Of New York | Systems and methods for composite elastography and wave imaging |
TW200927065A (en) | 2007-12-28 | 2009-07-01 | Tatung Co | Monitoring and control system for cardiopulmonary function and device thereof |
EP2523534B1 (en) | 2011-05-12 | 2019-08-07 | Ledengin, Inc. | Apparatus and methods for tuning of emitter with multiple LEDs to a single color bin |
KR20140063100A (ko) * | 2012-11-16 | 2014-05-27 | 삼성전자주식회사 | 원격 심질환 관리 장치 및 방법 |
US20150112208A1 (en) * | 2013-10-23 | 2015-04-23 | Quanttus, Inc. | Medication management |
CN104783782B (zh) * | 2015-04-13 | 2017-09-01 | 深圳市飞马与星月科技研究有限公司 | 心电信号自动检测方法及装置 |
US10779744B2 (en) * | 2015-10-27 | 2020-09-22 | Cardiologs Technologies Sas | Automatic method to delineate or categorize an electrocardiogram |
CN105232032A (zh) | 2015-11-05 | 2016-01-13 | 福州大学 | 基于小波分析远程心电监护与预警***及方法 |
US20180032689A1 (en) * | 2016-07-29 | 2018-02-01 | Qatar University | Method and apparatus for performing feature classification on electrocardiogram data |
CN106344004A (zh) * | 2016-09-28 | 2017-01-25 | 清华大学 | 心电信号特征点检测方法及装置 |
CN106779051A (zh) * | 2016-11-24 | 2017-05-31 | 厦门中控生物识别信息技术有限公司 | 一种卷积神经网络模型参数处理方法及*** |
CN106934799B (zh) * | 2017-02-24 | 2019-09-03 | 安翰科技(武汉)股份有限公司 | 胶囊内窥镜图像辅助阅片***及方法 |
CN107516075B (zh) | 2017-08-03 | 2020-10-09 | 安徽华米智能科技有限公司 | 心电信号的检测方法、装置及电子设备 |
-
2017
- 2017-08-03 CN CN201710656849.8A patent/CN107516075B/zh active Active
-
2018
- 2018-08-01 KR KR1020207005872A patent/KR102451795B1/ko active IP Right Grant
- 2018-08-01 EP EP18841762.0A patent/EP3644220A4/en not_active Withdrawn
- 2018-08-01 CA CA3071699A patent/CA3071699C/en active Active
- 2018-08-01 WO PCT/CN2018/097917 patent/WO2019024861A1/zh unknown
- 2018-08-01 JP JP2020526667A patent/JP7065185B2/ja active Active
-
2020
- 2020-01-23 US US16/750,568 patent/US11534097B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779234A (zh) | 2012-06-28 | 2012-11-14 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种心电图分类处理方法及装置 |
WO2017091736A1 (en) | 2015-11-23 | 2017-06-01 | Mayo Foundation For Medical Education And Research | Processing physiological electrical data for analyte assessments |
JP2017129896A (ja) | 2016-01-18 | 2017-07-27 | 富士通株式会社 | 機械学習装置、機械学習方法及び機械学習プログラム |
Non-Patent Citations (2)
Title |
---|
Quazi Abidur Rahman et al.,Utilizing ECG-Based Heartbeat Classification for Hypertrophic Cardiomyopathy Identification,IEEE TRANSACTIONS ON NANOBIOSCIENCE,2015年07月,VOL.14, NO.5,pp.505-512 |
U. Rajendra Acharya et al.,Application of deep convolutional neural network for automated detection of myocardial infarction using ECG signals,Information Sciences,2017年06月23日,415-416,pp.190-198 |
Also Published As
Publication number | Publication date |
---|---|
US20200155024A1 (en) | 2020-05-21 |
KR102451795B1 (ko) | 2022-10-06 |
CA3071699C (en) | 2023-02-28 |
WO2019024861A1 (zh) | 2019-02-07 |
JP2020528336A (ja) | 2020-09-24 |
CA3071699A1 (en) | 2019-02-07 |
EP3644220A4 (en) | 2020-11-04 |
CN107516075A (zh) | 2017-12-26 |
CN107516075B (zh) | 2020-10-09 |
KR20200036908A (ko) | 2020-04-07 |
EP3644220A1 (en) | 2020-04-29 |
US11534097B2 (en) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7065185B2 (ja) | 心電信号の検出 | |
EP3608918B1 (en) | Parallel implementation of deep neural networks for classifying heart sound signals | |
US10869610B2 (en) | System and method for identifying cardiac arrhythmias with deep neural networks | |
Acharya et al. | Automated detection of arrhythmias using different intervals of tachycardia ECG segments with convolutional neural network | |
Limam et al. | Atrial fibrillation detection and ECG classification based on convolutional recurrent neural network | |
CN110226921B (zh) | 心电信号检测分类方法、装置、电子设备和存储介质 | |
Raghavendra et al. | Cardiac arrhythmia detection using dynamic time warping of ECG beats in e-healthcare systems | |
WO2021017313A1 (zh) | 房颤的检测方法、装置、计算机设备及存储介质 | |
CN108968941B (zh) | 一种心律失常检测方法、装置及终端 | |
CN111345817B (zh) | Qrs波群位置确定方法、装置、设备及存储介质 | |
CN110558975B (zh) | 一种心电信号分类方法及*** | |
CN109077714B (zh) | 信号识别方法、装置、设备和存储介质 | |
CN111345816A (zh) | 多导联qrs波群检测方法、装置、设备及存储介质 | |
CN112022141B (zh) | 一种心电信号类别检测方法、装置及存储介质 | |
CN115470828A (zh) | 基于卷积与自注意力机制的多导联心电图分类识别方法 | |
CN111657925A (zh) | 基于机器学习的心电信号分类方法、***、终端以及存储介质 | |
CN109044340B (zh) | 心电数据分类方法、装置、电子设备以及存储介质 | |
CN115470832A (zh) | 一种基于区块链的心电信号数据处理方法 | |
CN112603330A (zh) | 心电信号识别分类方法 | |
CN111067512B (zh) | 心室颤动的检测装置、检测模型的训练装置、方法及设备 | |
CN108537123A (zh) | 基于多特征提取的心电识别方法 | |
Golande et al. | Optical electrocardiogram based heart disease prediction using hybrid deep learning | |
Liu et al. | CRT-Net: A generalized and scalable framework for the computer-aided diagnosis of Electrocardiogram signals | |
Chakroborty | Accurate Arrhythmia classification using auto-associative neural network | |
CN115500807A (zh) | 基于小型卷积神经网络的心律失常分类检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200129 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210521 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210914 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211207 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220401 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220425 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7065185 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |