買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網獲悉鄭州大學申請的專利半監(jiān)督多標簽心電異常事件識別方法及系統獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN118845028B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202410908948.0，技術領域涉及：A61B5/318；該發(fā)明授權半監(jiān)督多標簽心電異常事件識別方法及系統是由王寧;王宗敏;譚健;黃瑋;劉思暢;汪登興;王海燕;馮盼盼;李世華;周兵設計研發(fā)完成，并于2024-07-08向國家知識產權局提交的專利申請。

本半監(jiān)督多標簽心電異常事件識別方法及系統在說明書摘要公布了：本發(fā)明涉及心電信號分類、多標簽學習、半監(jiān)督學習、偽標簽學習和表征學習技術領域，特別涉及一種半監(jiān)督多標簽心電異常事件識別方法及系統，利用有標記心電數據預訓練教師心電分類模型，隨后對心電數據進行數據增廣；基于預訓練后的教師模型提取弱增廣后的數據集的特征和預測向量作為元素，以此構建特征?標簽記憶模塊；基于全局和局部類別相關性，偽標簽生成模塊生成無標記心電數據偽標簽；基于雙邊界閾值策略，偽標簽篩選模塊篩選出高質量偽標簽；利用心電一致性學習模塊學習心電數據的類內特征。本發(fā)明在有標記心電數據樣本量稀疏的場景下，可以有效識別各類心電異常事件。

本發(fā)明授權半監(jiān)督多標簽心電異常事件識別方法及系統在權利要求書中公布了：1.一種半監(jiān)督多標簽心電異常事件識別方法，其特征在于，包含： 步驟1、利用有標記心電數據預訓練教師心電分類模型，隨后對心電數據進行數據增廣； 教師心電分類模型包含教師特征提取器和教師分類器，教師特征提取器集成了殘差卷積神經網絡和多頭自注意力網絡，教師分類器為多層感知機；數據增廣包括弱數據增廣和強數據增廣，有標記心電數據進行弱數據增廣生成有標記數據弱增廣視圖，無標記心電數據分別進行弱增廣和強增廣，生成無標記數據弱增廣視圖和無標記數據強增廣視圖，其中，和分別為弱增廣標志和強增廣標志，l表示該數據有標記，u表示該數據無標記，表示某一實例； 步驟2、基于預訓練后的教師模型提取弱增廣后的數據集的特征和預測向量作為元素，以此構建特征-標簽記憶模塊； 構建特征-標簽記憶模塊過程為：將有標記數據弱增廣視圖和無標記數據弱增廣視圖分別輸入教師特征提取器，以提取特征向量和，以此構建特征集；再將這些特征向量輸入教師分類器，輸出預測向量和，以此構建標簽集； 步驟3、基于全局和局部類別相關性，偽標簽生成模塊生成無標記心電數據偽標簽包括全局偽標簽生成和局部偽標簽生成； 在全局偽標簽生成中，利用有標記心電數據的真實標簽作為先驗知識，計算全局類別的相關概率，計算公式如下：；；式中，為有標記標簽在第類的真實標簽，為的條件值，為第類和第類的相關概率； 接著，通過學生特征提取器和學生分類器提取無標記數據弱增廣視圖的特征向量和輸出相應的預測向量，利用全局類別的相關概率校準分類預測向量，生成基于全局類別相關性的偽標簽，全局偽標簽的計算公式如下：；；；；；式中，為屬于第類的預測向量，表示屬于第類的正相關概率，表示屬于第類的負相關概率，邏輯回歸函數，將預測概率調整至0到1區(qū)間，表示的全局偽標簽； 在局部偽標簽生成中，以學生特征提取器提取的無標記心電數據特征向量為錨點，基于K近鄰算法和歐式距離，度量特征向量在特征-標簽記憶模塊中K個最近鄰特征元素，并根據鄰居特征元素所對應的預測向量計算的局部偽標簽，局部偽標簽的計算公式如下：；；；式中，是度量函數，是特征向量在特征-標簽記憶模塊中第k個最近的特征元素，是在標簽集中對應的預測向量；為第k個鄰居的標簽貢獻權重，表示的局部偽標簽； 最后，計算無標記數據弱增廣視圖的偽標簽，計算公式如下：；式中，表示全局-局部偽標簽比例參數，表示無標記數據弱增廣視圖的偽標簽； 步驟4、基于雙邊界閾值策略，偽標簽篩選模塊篩選出高質量偽標簽； 以雙邊界閾值策略為每個類別定義相應的陽性邊界閾值和陰性邊界閾值； 在計算陽性邊界閾值方面，通過計算每輪迭代中針對整體的預測向量和針對各類別的預測向量的增量，以自適應更新的方式優(yōu)化陽性邊界閾值，閾值計算公式如下： ；；；式中，是控制閾值更新的超參數，表示在第輪迭代中第類的陽性閾值；和反映了學生模型在第t輪迭代中整體陽性預測和第類別陽性預測方面的學習狀態(tài)； 在計算陰性邊界閾值方面，通過計算每輪迭代中針對整體的預測向量和針對各類別的預測向量的減少量，以自適應更新的方式優(yōu)化陰性邊界閾值，閾值計算公式如下： ；；；式中，表示在第輪迭代中第類的陰性閾值，和反映了學生模型在第輪迭代中整體陰性預測和第類別陰性預測方面的學習狀態(tài)； 步驟5、利用心電一致性學習模塊學習心電數據的類內特征。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人鄭州大學，其通訊地址為：450001 河南省鄭州市高新技術開發(fā)區(qū)科學大道100號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。