首页> 中国专利> 基于CNN和LSTM的心内异常激动点定位模型构建方法

基于CNN和LSTM的心内异常激动点定位模型构建方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开了一种基于CNN和LSTM的心内异常激动点定位模型构建方法，该模型能够在得到病人的12导联体表电位数据的情况下，很好地定位到VT异常激动点的具体位置，并得到位置的三维坐标。本发明将深度学习的思想引入室性心动过速异常激动点定位中，在训练阶段将采集到的QRS数据作为输入，QRS数据对应标测点的三维坐标作为标签训练CNN‑LSTM网络，利用了Conv1D对输入数据进行特征提取，利用LSTM进行时间域上的特征融合，利用全连接层进行三维坐标的回归预测，最终构建成为CNN‑LSTM网络；本发明网络模型从数据驱动的角度实现了VT异常激动点的位置预测，有效地解决了临床上导管消融术的费时费力问题。

著录项

公开/公告号CN110555388A

专利类型发明专利
公开/公告日2019-12-10

原文格式PDF
申请/专利权人浙江大学;
展开▼

申请/专利号CN201910721820.2
发明设计人刘华锋;冯秋鹏;
展开▼

申请日2019-08-06
分类号
代理机构杭州天勤知识产权代理有限公司;
代理人王琛
地址 310013 浙江省杭州市西湖区余杭塘路866号
入库时间 2024-02-19 15:48:45

法律信息

法律状态公告日

法律状态信息

法律状态
2020-01-03

实质审查的生效 IPC(主分类):G06K9/00 申请日:20190806

实质审查的生效
2019-12-10

公开

公开

相似文献

专利
中文文献
外文文献

1. 基于CNN和LSTM的心内异常激动点定位模型构建方法 [P] . 中国专利： CN110555388A . 2019-12-10
2. 一种基于堆栈式自编码器的无创心内异常激动点定位方法 [P] . 中国专利： CN107007279A . 2017-08-04
3. CNN-LSTM DEEP LEARNING MODEL-BASED DRIVER FATIGUE IDENTIFICATION METHOD [P] . 世界知识产权组织专利： WO2020151075A1 . 2020-07-30

机译：基于CNN-LSTM深度学习模型的驾驶员疲劳识别方法
4. CNN-LSTM METHOD AND SYSTEM FOR DETECTING ELIMINATION BEHAVIOR OF PET USING CNN-LSTM AND COMPLEX EVENT PROCESSING [P] . 韩国专利： KR102156280B1 . 2020-09-15

机译： CNN-LSTM用CNN-LSTM和复杂事件处理方法检测PET消除行为的方法和系统
5. CNN-LSTM METHOD AND SYSTEM FOR DETECTING ELIMINATION BEHAVIOR OF PET USING CNN-LSTM AND COMPLEX EVENT PROCESSING [P] . 韩国专利： KR20200054379A . 2020-05-20

机译： CNN-LSTM用CNN-LSTM和复杂事件处理方法检测PET消除行为的方法和系统