Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020061870 - LSTM END-TO-END SINGLE-LEAD ELECTROCARDIOGRAM CLASSIFICATION METHOD

Publication Number WO/2020/061870
Publication Date 02.04.2020
International Application No. PCT/CN2018/107808
International Filing Date 27.09.2018
IPC
A61B 5/00 2006.01
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Measuring for diagnostic purposes; Identification of persons
CPC
A61B 5/00
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Detecting, measuring or recording for diagnostic purposes
Applicants
  • 深圳大学 SHENZHEN UNIVERSITY [CN]/[CN]
Inventors
  • 陈彬 CHEN, Bin
  • 郭维 GUO, Wei
Agents
  • 深圳市顺天达专利商标代理有限公司 SHENZHEN STANDARD PATENT & TRADEMARK AGENT LTD.
Priority Data
Publication Language Chinese (ZH)
Filing Language Chinese (ZH)
Designated States
Title
(EN) LSTM END-TO-END SINGLE-LEAD ELECTROCARDIOGRAM CLASSIFICATION METHOD
(FR) PROCÉDÉ DE CLASSIFICATION D'ÉLECTROCARDIOGRAMMES À DÉRIVATION UNIQUE DE BOUT EN BOUT PAR LSTM
(ZH) LSTM的端到端单导联心电图分类方法
Abstract
(EN)
Provided is an LSTM end-to-end single-lead electrocardiogram (ECG) classification method, comprising: S1: preprocessing as experimental data an MIT normal sinus rhythm database and an MIT arrhythmia database; S2: using a deep LSTM and a fully connected layer neural network model to process and classify the preprocessed experimental data. In implementing the ECG classification method, it is unnecessary to excessively process the ECG to ensure the accuracy and completeness of the data, and the ECG data can be accurately classified.
(FR)
L'invention concerne un procédé de classification d'électrocardiogrammes (ECG) de bout en bout par LSTM, comprenant les étapes suivantes : S1 : prétraitement, sous la forme de données expérimentales, d'une base de données de rythme sinusal normal MIT et d'une base de données d'arythmie MIT ; S2 : utilisation d'un LSTM profond et d'un modèle de réseau neuronal à couches entièrement connectées pour traiter et classifier les données expérimentales prétraitées. Lors de la mise en œuvre du procédé de classification d'ECG, il n'est pas nécessaire de traiter outre mesure l'ECG pour garantir la précision et l'exhaustivité des données, et les données d'ECG peuvent être classifiées avec précision.
(ZH)
一种LSTM的端到端单导联心电图分类方法,包括:S1、将MIT正常窦性心律数据库和MIT心律失常数据库作为实验数据进行预处理;S2、采用深度LSTM和全连接层的神经网络模型来处理和分类预处理后的实验数据。实施该心电图分类方法,无需对心电图进行过多处理从而保证数据的准确性和完整性,并且能够精确分类心电图数据。
Latest bibliographic data on file with the International Bureau