本发明提供一种基于时频特征的心电信号分析方法，包括：步骤S1，采集至少一个用户的一实时心电信号，对实时心电信号进行预处理得到一规范化心电信号；步骤S2，根据规范化心电信号处理得到多个时频特征，将时频特征输入至心电分析模型中处理得到对应的...

本发明提供一种基于病理数据的病理特征概率分布预测方法，包括：步骤S1，采集一患者的病理数据，对病理数据进行降维处理得到对应的特征数据，并预先配置多个特征标签；步骤S2，针对每个特征标签，根据特征数据及至少一种统计学习模型分别预测得到特征...

本发明提供一种心电检测分析装置，佩戴于用户的手腕上，包括：一装置本体，装置本体的朝向手腕的一侧设有一内侧极片；一导电腕带，导电腕带的背离手腕的一侧设有一外侧极片，内侧极片与外侧极片、导电腕带、用户的两手腕之间形成一电气回路，以采集用户的...

本发明公开了一种基于统计学习的心电图数据处理方法，包括：对输入的数据进行异常检测，检查文件转化是否成功；根据统计学习，进行最小二乘法对样本库数据计算特征矩阵；对录入待分类的样本数据，计算其与特定样本库中样本数据的距离，根据分类算法进行数...

本发明提供一种基于人工智能的心脏疾病辅助检测方法，其通过对心电动力学图等三维图像的卷积神经网络识别模型的训练，然后采用迁移学习和蒙特卡洛树搜索算法等方法对卷积神经网络识别模型参数进行调整，并融合特定心脏疾病的熵的检测信息，获得心脏疾病检...

本发明提供一种基于人工智能模型的心脏疾病的检测方法，包括构建心电向量图和心电非线性系统动态图的深度学习识别模型及构建心脏动态病理特征的量化数据、生物化学数据、人体生理信息数据和临床信息数据的机器学习分类模型等，并对不同模型识别分类所得心...

本发明提供一种基于三维图像的深度学习模型的心脏疾病检测方法，通过构建心电图、心电向量图及心电非线性系统动态图的深度学习判定模型，并采用迁移学习等方法对深度学习判定模型的参数进行调整，然后优化深度学习判定模型输出结果的权重分配，获得心脏疾...

本发明提供一种基于深度学习模型的心脏疾病的检测方法，构建了心电向量数据和心电非线性系统动态数据的深度学习识别模型，并对不同数据的模型识别分类所得的心脏疾病结果赋以相应权重值，获得心脏疾病检测的综合判定结果；解决了心脏电活动连续的动态信号...

本发明公开了一种人体生物电信号混沌特征的提取方法，具体流程为：将人体生物电信号数据进行预处理，获取目标波段的信号数据；采用自适应性系统辨识方法对目标波段的信号数据进行建模，实现非线性系统的局部准确模型辨识，得到人体生物电信号非线性系统动...

基于人工智能的生物医学信号特征处理及评测方法、装置及应用，属于诊断目的的测量领域，为了解决能对反映心脏疾病的数据挖掘，快速反映采集数据与相关心脏疾病的关联性的问题，采集人体健康状况分类数据；得到人体健康状况分类数据的数据特征；计算人体健...

本实用新型公开了一种心电数据监控设备，涉及心电数据采集设备，包括腕部组件和测量组件；所述腕部组件包括机体、弹性腕带和针式集线插头等；所述机体包括液晶显示屏、无线传输及静电导柱装置、测量按钮、功能键和USB接口；所述液晶显示屏、无线传输及...

本发明提供一种基于机器学习的人体疾病检测方法及检测产品，包括：提取心电向量数据内在的数据特征及其量化指标数据，构建心电向量数据特征的机器学习分类模型，并对模型识别的不同分类结果赋以相应权重值，获得人体疾病检测的综合判定结果。本发明提供的...

本发明公开了一种心电动力学数据图量化分析方法，属于心电检测技术领域；方法包括：步骤S1，采集得到心电数据；步骤S2，根据采集到的所述心电数据获取对应的心电动力学数据；步骤S3，提取所述心电动力学数据的空间离散量化特征，以及提取所述心电动...