文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202310522195.5

申 请 日：20230510

发 明 人：陈国荣 汪博城 邓菊丽 李卫卫 刘玉川 刘金源 肖彦冰 黄佳铭 段泓俊 杜重灵

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20230915

公 开 号：CN116746942A

代 理 人：黄梅

代理机构：重庆敏创专利代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明涉及信号分类技术领域，具体公开了一种基于时频域融合与卷积神经网络的心电信号分类方法，通过小波分解完成对心电信号滤波；通过每个心跳周期的R波位置对单个心跳周期进行提取；提取的心跳信号被快速傅里叶变换后获得其频域信息；时域信号与频域信号进行拼接之后输入一维卷积神经网络进行融合并提取特征；特征矩阵被输入全连接神经网络完成分类。本发明通过CNN融合单心跳周期在时域和频域两个视角的表现，综合地对心电信号进行分类，提高了对单心跳周期心电信号的分类准确率；提出了一种新颖的心跳周期定位方法，该方法可同时对正常与病变心电信号的R波波峰位置进行标定，使每个心跳周期信号都能较好地被分割，提升后续分类的准确性。

主 权 项：1.基于时频域融合与卷积神经网络的心电信号分类方法，其特征在于，包括步骤：S1、对整段心电信号进行滤波，以滤除噪声；S2、对滤波后的整段心电信号的R波位置进行定位，并根据定位的R波位置提取多个心跳周期信号；S3、对每个心跳周期信号进行快速傅里叶变换获取其频域信息；S4、将每个心跳周期信号与其频域信息进行拼接，得到多条时频域拼接数据；S5、将每一条时频域拼接数据输入卷积神经网络中进行分类，得到对应的分类结果。

关 键 词：心跳周期  心电信号 分类  神经网络 对心  融合  快速傅里叶变换  卷积神经网络 分类准确率 频域信号  频域信息  时域信号  特征矩阵  提取特征  小波分解 心跳信号  信号分类 一维卷积  时频域 标定  地被  和频  滤波  时域  拼接  病变  视角  分割  表现  

IPC专利分类号：A61B5/346; A61B5/366; A61B5/00; G06F18/10; G06F18/241; G06F18/2131; G06F18/25; G06N3/0464; G06N3/08; G06F123/02