[发明专利]机器学习心电图自动诊断系统在审
| 申请号： | 201910717340.9 | 申请日： | 2019-08-05 |
| 公开（公告）号： | CN110432892A | 公开（公告）日： | 2019-11-12 |
| 发明（设计）人： | 秦绮玲;周琦;刘亚平 | 申请（专利权）人： | 苏州米特希赛尔人工智能有限公司;苏州赫米兹健康科技有限公司 |
| 主分类号： | A61B5/0402 | 分类号： | A61B5/0402;A61B5/0432;A61B5/00;G16H50/20;A61B5/0408 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 215000 江苏省苏州*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 心电图 机器学习 自动诊断系统 自动诊断 卷积神经网络 心电图信号 移动互联网 分类系统 图像数据 整体训练 直接处理 云平台 池化 卷积 采集 激活 互联网 | ||
1.机器学习心电图自动诊断系统，其特征在于，所述的系统包括：心电图采集，互联网/移动互联网，云平台及机器学习心电图自动诊断系统。
2.根据权利要求1所述的机器学习心电图自动诊断系统，其特征在于，直接处理心电图图片，用智能手机扫描心电图图片，上传到云端由所述的云平台处理。
3.根据权利要求1所述的机器学习心电图自动诊断系统，其特征在于，可以直接通过心电图检测仪采集心电图信号，上传到云端由所述的云平台处理。
4.根据权利要求1所述的机器学习心电图自动诊断系统，其特征在于，所述的机器学习心电图自动诊断系统由卷积神经网络组成，是一个由输入层、多层隐藏层、输出层组成的深度卷积神经网络。
5.根据权利要求1所述的机器学习心电图自动诊断系统，其特征在于，所述的深度卷积神经网络，权值的训练分两步进行：
a1:由其输入层和第一卷积层、激活层、池化层及Loss层组成的浅层卷积神经网络来做初始训练；
a2:对整个网络进行训练。
6.根据权利要求1所述的机器学习心电图自动诊断系统，其特征在于，所述的训练步骤，a1步的训练权值保留为a2步所述浅层卷积神经网络的初始值，而其余卷积层的权值在a1步浅层训练的权值结果中随机抽取赋值。
7.根据权利要求1所述的机器学习心电图自动诊断系统，其特征在于，所述的机器学习心电图自动诊断系统，输入数据是一个NxNxD维结构数据，其中NxN为图片大小，D为数据深度，D代表导联数，取值1～12，分别代表12导联。
8.根据权利要求1所述的机器学习心电图自动诊断系统，其特征在于，采用随机移动截取心电图图像方法扩充训练数据，然后再用水平和垂直镜像及时间轴旋转方法进一步扩充训练数据。
9.根据权利要求1所述的机器学习心电图自动诊断系统，其特征在于，所述的机器学习心电图自动诊断系统的输出是一个分类器，自动诊断结果对应不同的分类。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州米特希赛尔人工智能有限公司;苏州赫米兹健康科技有限公司，未经苏州米特希赛尔人工智能有限公司;苏州赫米兹健康科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910717340.9/1.html，转载请声明来源钻瓜专利网。
