【技术实现步骤摘要】
双回路讯号人工智能判读与学习的方法
[0001]本专利技术系涉及数据探勘以及深度学习(G06F 19/24)之領域,与生物生理讯号有关,进行讯号的格式转换、讯号处理并采用深度学习之方式判读。
技术介绍
[0002]生理讯号可以提供做为评估、诊断甚至预测生理状况之依据。因此不同的生理讯号能代表某一系统之状况。
[0003]生理讯号有关之数据需由受训过的专业人员分析,生理量测数据的量与复杂度是非常巨大的,因此时常需要透过计算机以及软件来辅助分析。在实务上会碰到量测讯号不佳造成量测噪声,常见噪声如基线飘移、肌电噪声、电力线干扰等会造成心电图难以分析,因此可透过硬件或软件方法加以滤除多余噪声,例如使用带通滤波器、小波转换、经验模态分解等。
[0004]除了量测上造成的噪声外,不同量测仪器所采用的格式和规格也不尽相同,为了能够有效的利用软件方法进行大量的分析,如何支持不同格式以及如何确保讯号的质量就显得格外重要,因此在数据的转换,和确保转换后讯号内容的是否会遗漏就很重要。现在有使用计算机视觉如特征方法ORB等,机器学如YOLO net等方法,识别出图片中的讯号成分并加以使用。
[0005]除了传统的图纸判读如可使用心电图预测心律不整等,现在可以透过人工智能的方法,使用深度学习模型来预测,透过数字化的心电图讯号以及良好的标注,搭配深度学习网络如:CNN、LSTM、RNN、Resnet等可判读出心电图讯号中所包含的心律不整,现在也有研究表示,在一定程度上,深度学习的准确甚至高于一般专业人员的判断。
...
【技术保护点】
【技术特征摘要】
1.一种双回路讯号人工智能判读与学习的方法,其特征在于,包括下列步骤:自动判断数据格式,针对图片文件进行数据转换;针对一维讯号进行噪声滤除、讯号前处理,一维讯号和二维讯号的人工智能判读模型。2.如申请专利范围第1项所述的双回路讯号的人工智能判读方法,其特征在于,各种不同的生理讯号,包括但不限于:心电图(electrocardiogram,ECG/EKG)、肌电图(electromyogram,EMG)、脑电图(Electroencephalograph,EEG)、视网膜电图(electroretinography,ERG)、血压和肺功能分析(spirometry)。生理讯号中可以取得多种参数,包含但不限于:电流、电阻、压力、流速、温度、振动、呼吸频率、重量、脉冲振幅、脉冲波速率或生理事件发生的频率。生理讯号之类型可简单分为质化与量化信息,这些信息对于临床上疾病评估、诊断或分期、预测等扮演重要的角色。3.如申请专利范围第1项所述...
【专利技术属性】
技术研发人员:黄超明,林丽郁,
申请(专利权)人:巨量移动科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。