JPH05309075A - 心音解析装置 - Google Patents
心音解析装置Info
- Publication number
- JPH05309075A JPH05309075A JP8373892A JP8373892A JPH05309075A JP H05309075 A JPH05309075 A JP H05309075A JP 8373892 A JP8373892 A JP 8373892A JP 8373892 A JP8373892 A JP 8373892A JP H05309075 A JPH05309075 A JP H05309075A
- Authority
- JP
- Japan
- Prior art keywords
- heart sound
- circuit
- neural network
- output
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
(57)【要約】
【目的】 判定基準を設けることなく、正確に心音デー
タを判定すること。 【構成】 メモリ回路３に格納された心音データは各セ
グメント毎に分割されてメモリ回路９1 ，９2 ，…，９
10に格納される。分散値計算回路10はこれらのデータの
分散値を算出する。ニューラルネットワーク11はこれら
分散値に基づいて所定の認識を行なう。表示装置13はこ
の認識結果に基づく所見とその確からしさをアナログ量
で表示する。
タを判定すること。 【構成】 メモリ回路３に格納された心音データは各セ
グメント毎に分割されてメモリ回路９1 ，９2 ，…，９
10に格納される。分散値計算回路10はこれらのデータの
分散値を算出する。ニューラルネットワーク11はこれら
分散値に基づいて所定の認識を行なう。表示装置13はこ
の認識結果に基づく所見とその確からしさをアナログ量
で表示する。
Description
【０００１】
【産業上の利用分野】本発明は心音を自動的に解析する
装置に関する。
装置に関する。
【０００２】
【従来の技術】例えば学童心臓検診における心音自動解
析は「収縮期雑音」「収縮期雑音の疑い」「正常範囲」
等のように、確定的表現と、疑わしい場合の表現と、正
常の表現の３種類の表現方法を採っていた。
析は「収縮期雑音」「収縮期雑音の疑い」「正常範囲」
等のように、確定的表現と、疑わしい場合の表現と、正
常の表現の３種類の表現方法を採っていた。
【０００３】そして従来の解析方法は、最初に定められ
たアルゴリズムに従って枝分かれ的論理により結果が出
されるものであった。
たアルゴリズムに従って枝分かれ的論理により結果が出
されるものであった。
【０００４】
【発明が解決しようとする課題】しかし、従来の方法で
「確からしさ」を表現しようとすると、各段階ごとに判
定基準を設けなければならない。しかしこの判定基準を
定めることは困難であり、正確な判定は困難であった。
「確からしさ」を表現しようとすると、各段階ごとに判
定基準を設けなければならない。しかしこの判定基準を
定めることは困難であり、正確な判定は困難であった。
【０００５】本発明の目的は、判定基準を設けることな
く、正確な判定を行なうことができる心音自動解析装置
を提供することである。
く、正確な判定を行なうことができる心音自動解析装置
を提供することである。
【０００６】
【課題を解決するための手段】本発明では、少くとも１
心拍分の心音の振幅を経過時間と共に記憶する心音記憶
手段と、この心音記憶手段が記憶した振幅のうち所定箇
所の特徴を抽出する特徴抽出手段と、この特徴抽出手段
が抽出した結果に基づいて前記心音についての所定の認
識を行ないその認識の程度を出力するニューラルネット
ワークと、このニューラルネットワークの出力に基づい
て前記心音の異常の程度を表示する表示手段とを具備す
る構成となっている。
心拍分の心音の振幅を経過時間と共に記憶する心音記憶
手段と、この心音記憶手段が記憶した振幅のうち所定箇
所の特徴を抽出する特徴抽出手段と、この特徴抽出手段
が抽出した結果に基づいて前記心音についての所定の認
識を行ないその認識の程度を出力するニューラルネット
ワークと、このニューラルネットワークの出力に基づい
て前記心音の異常の程度を表示する表示手段とを具備す
る構成となっている。
【０００７】
【作用】上記構成によると、心音記憶手段に心音を与え
ると表示手段には心音の異常の程度が表示される。
ると表示手段には心音の異常の程度が表示される。
【０００８】
【実施例】図１は本発明の一実施例の構成図である。
【０００９】Ａ／Ｄ変換器１には、図３に示すようにマ
イクロホンで検出した心音の信号が与えられるようにな
っており、Ａ／Ｄ変換器２には、図２に示すように心電
図（ＥＣＧ）を形成する信号が与えられるようになって
いる。メモリ回路３はＡ／Ｄ変換器１の出力を経過時間
と共に記憶する回路である。ＱＲＳ検出回路４はＡ／Ｄ
変換器２の出力から図２に示すＱＲＳ波の発生時点を検
出する回路である。ＲＲ計算回路５はＱＲＳ検出回路４
の検出結果とＡ／Ｄ変換器２の出力から連続するＱＲＳ
波の間隔を算出する回路である。
イクロホンで検出した心音の信号が与えられるようにな
っており、Ａ／Ｄ変換器２には、図２に示すように心電
図（ＥＣＧ）を形成する信号が与えられるようになって
いる。メモリ回路３はＡ／Ｄ変換器１の出力を経過時間
と共に記憶する回路である。ＱＲＳ検出回路４はＡ／Ｄ
変換器２の出力から図２に示すＱＲＳ波の発生時点を検
出する回路である。ＲＲ計算回路５はＱＲＳ検出回路４
の検出結果とＡ／Ｄ変換器２の出力から連続するＱＲＳ
波の間隔を算出する回路である。
【００１０】時期確定回路６は、ＱＲＳ検出回路４の検
出結果とＲＲ計算回路５の計算結果とから図３に示すよ
うにＩ音、収縮期、II音、拡張期の各始期と終期とを確
定し、それら各時点を記憶する回路である。
出結果とＲＲ計算回路５の計算結果とから図３に示すよ
うにＩ音、収縮期、II音、拡張期の各始期と終期とを確
定し、それら各時点を記憶する回路である。
【００１１】分割回路７はメモリ回路３が記憶している
データを時期確定回路６が確定した各時点に基づいて10
セグメントに分割し、それらを10個のメモリ回路９1 ，
９2，…，９10それぞれに出力する。ここで10セグメン
トは図３に示すＩ音、II音の各部分と、４等分された収
縮期の各部分と、同じく４等分された拡張期の各部分と
から成る。そしてＩ音部分はＥＣＧ信号のＲ時点より 1
32ｍｓまで、II音部分はＲ時点＋0.4 （ＲＲ）1/2 を基
準として−50ｍｓより＋90ｍｓまで、収縮期はＩ音とII
音の間、拡張期はII音と次のＲ時点までである。メモリ
回路９1 ，９2，…，９10は分割回路７から与えられる
データを記憶する回路である。
データを時期確定回路６が確定した各時点に基づいて10
セグメントに分割し、それらを10個のメモリ回路９1 ，
９2，…，９10それぞれに出力する。ここで10セグメン
トは図３に示すＩ音、II音の各部分と、４等分された収
縮期の各部分と、同じく４等分された拡張期の各部分と
から成る。そしてＩ音部分はＥＣＧ信号のＲ時点より 1
32ｍｓまで、II音部分はＲ時点＋0.4 （ＲＲ）1/2 を基
準として−50ｍｓより＋90ｍｓまで、収縮期はＩ音とII
音の間、拡張期はII音と次のＲ時点までである。メモリ
回路９1 ，９2，…，９10は分割回路７から与えられる
データを記憶する回路である。
【００１２】分散値計算回路10は、メモリ回路９1 ，９
2 ，…，９10それぞれが記憶した各期間の心音振幅の分
散値を、次式を用いて計算する回路である。 σ＝（１／ｎ）Σ（ｘｉ−ｘａ）2 （１） （但し、ｉは１からｎまで。ｘｉは上記各期間をｎ等分
したときにおけるｉ番目の時点の振幅値。ｘａは各期間
における平均の振幅値。）
2 ，…，９10それぞれが記憶した各期間の心音振幅の分
散値を、次式を用いて計算する回路である。 σ＝（１／ｎ）Σ（ｘｉ−ｘａ）2 （１） （但し、ｉは１からｎまで。ｘｉは上記各期間をｎ等分
したときにおけるｉ番目の時点の振幅値。ｘａは各期間
における平均の振幅値。）
【００１３】ニューラルネットワーク11の構成図の一例
を図４に示す。このニューラルネットワーク11は階層型
と称されるもので、入力層21、中間層22、出力層23から
成る。入力層21は10個のニューロンから成り、中間層22
は５個のニューロンから成り、出力層23は10個のニュー
ロンから成っている。ニューロンｉは入力値Ｉｊ、結合
荷重Ｗjiおよびしきい値ｈｉから入力の総和を求め、 Ｉｉ＝ΣＷji×Ｉｊ−ｈｉ （２） （Σはｉ＝１からｎまで）このＩｉを変数ｘｉとして次
式を計算しその結果が出力Ｏｉとなる回路である。 ｆｉ（ｘｉ）＝１／｛１＋ｅｘｐ（−ｘｉ＋θｉ）｝ （３） 従って出力Ｏｉは、次式であらわされる。 Ｏｉ＝ｆｉ（Ｉｉ） （４）
を図４に示す。このニューラルネットワーク11は階層型
と称されるもので、入力層21、中間層22、出力層23から
成る。入力層21は10個のニューロンから成り、中間層22
は５個のニューロンから成り、出力層23は10個のニュー
ロンから成っている。ニューロンｉは入力値Ｉｊ、結合
荷重Ｗjiおよびしきい値ｈｉから入力の総和を求め、 Ｉｉ＝ΣＷji×Ｉｊ−ｈｉ （２） （Σはｉ＝１からｎまで）このＩｉを変数ｘｉとして次
式を計算しその結果が出力Ｏｉとなる回路である。 ｆｉ（ｘｉ）＝１／｛１＋ｅｘｐ（−ｘｉ＋θｉ）｝ （３） 従って出力Ｏｉは、次式であらわされる。 Ｏｉ＝ｆｉ（Ｉｉ） （４）
【００１４】このニューラルネットワーク11は出力層23
のニューロンの出力値（ｙ1 ，ｙ2，…，ｙ10）と教師
信号とを比較する比較回路24、この比較回路24の比較結
果に応じて各層の各ニューロンの結合荷重としきい値の
変更を行なう変更手段25を備えている。ニューラルネッ
トワーク11の入力層21の10個のニューロンには分散値計
算回路10の10個の出力（σ1 ，σ2 ，…，σ10）がそれ
ぞれ与えられるようにされている。
のニューロンの出力値（ｙ1 ，ｙ2，…，ｙ10）と教師
信号とを比較する比較回路24、この比較回路24の比較結
果に応じて各層の各ニューロンの結合荷重としきい値の
変更を行なう変更手段25を備えている。ニューラルネッ
トワーク11の入力層21の10個のニューロンには分散値計
算回路10の10個の出力（σ1 ，σ2 ，…，σ10）がそれ
ぞれ与えられるようにされている。
【００１５】変換回路12はニューラルネットワーク11の
出力値を表示装置に表示するために信号変換すると共
に、出力値を基に同様に表示装置13に表示する所見に変
換する回路である。表示装置13は変換回路12の出力を表
示する装置である。
出力値を表示装置に表示するために信号変換すると共
に、出力値を基に同様に表示装置13に表示する所見に変
換する回路である。表示装置13は変換回路12の出力を表
示する装置である。
【００１６】次に本実施例装置の動作を説明する。
【００１７】まずニューラルネットワーク11に学習を行
なわせる。この学習プロセスを説明する。操作者は複数
の学習用入力データとそれぞれに対応づけられる教師信
号を変更手段25に与える。この学習用入力データと教師
信号は実際に測定された心音のデータとこれに基づいて
医師が示した判断から作成されたものである。例えばあ
る心音のデータを医師が検討して拡張期雑音ありと判断
すれば教師信号の信号値をその旨を示す値、例えば（0,
1,0,0,0,0,0,0,0,0 ）とし、II音分裂ありと判断すれば
その旨を示す値、例えば（0,0,0,0,0,1,0,0,0,0 ）とす
る。
なわせる。この学習プロセスを説明する。操作者は複数
の学習用入力データとそれぞれに対応づけられる教師信
号を変更手段25に与える。この学習用入力データと教師
信号は実際に測定された心音のデータとこれに基づいて
医師が示した判断から作成されたものである。例えばあ
る心音のデータを医師が検討して拡張期雑音ありと判断
すれば教師信号の信号値をその旨を示す値、例えば（0,
1,0,0,0,0,0,0,0,0 ）とし、II音分裂ありと判断すれば
その旨を示す値、例えば（0,0,0,0,0,1,0,0,0,0 ）とす
る。
【００１８】変更手段25は１の学習用入力データを入力
層21に与えると共にその学習用入力データに対応する教
師信号を比較回路24に与え、出力層23の出力値と教師信
号値がほぼ一致するか否かを検出する。一致しないとき
は変更手段25は各層のニューロンの荷重値としきい値を
修正し、それらの修正値を用いて同一の学習用入力デー
タから出力値を求める計算を繰り返す。一致すれば、荷
重値としきい値はそのままとし、次の学習用入力データ
と教師信号を用いて同様の処理を行なう。このような処
理をすべての学習用入力データおよび教師信号について
行なう。この処理が終了すれば、本ニューラルネットワ
ークの学習は終了する。
層21に与えると共にその学習用入力データに対応する教
師信号を比較回路24に与え、出力層23の出力値と教師信
号値がほぼ一致するか否かを検出する。一致しないとき
は変更手段25は各層のニューロンの荷重値としきい値を
修正し、それらの修正値を用いて同一の学習用入力デー
タから出力値を求める計算を繰り返す。一致すれば、荷
重値としきい値はそのままとし、次の学習用入力データ
と教師信号を用いて同様の処理を行なう。このような処
理をすべての学習用入力データおよび教師信号について
行なう。この処理が終了すれば、本ニューラルネットワ
ークの学習は終了する。
【００１９】次に操作者は被験者にマイクロホンと電極
を装着して、それぞれから得られる心音データ，ＥＣＧ
データをＡ／Ｄ変換器１，２それぞれに与える。メモリ
回路３、ＱＲＳ検出回路４、ＲＲ計算回路５、時期確定
回路６および分割回路７はそれぞれ前述した機能に基づ
く動作を行ない、メモリ回路９1 ，９2 ，…，９10には
それぞれ図３に示すＩ音部分、収縮期の第１部分、…収
縮期の第４部分、II音部分、拡張期の第１部分、…拡張
期の第４部分の心音データが格納される。
を装着して、それぞれから得られる心音データ，ＥＣＧ
データをＡ／Ｄ変換器１，２それぞれに与える。メモリ
回路３、ＱＲＳ検出回路４、ＲＲ計算回路５、時期確定
回路６および分割回路７はそれぞれ前述した機能に基づ
く動作を行ない、メモリ回路９1 ，９2 ，…，９10には
それぞれ図３に示すＩ音部分、収縮期の第１部分、…収
縮期の第４部分、II音部分、拡張期の第１部分、…拡張
期の第４部分の心音データが格納される。
【００２０】分散値計算回路10はメモリ回路９1 ，
９2 ，…，９10それぞれが記憶しているデータの分散値
を式（１）を用いて計算し、その結果をニューラルネッ
トワーク11の入力層21の10個のニューロンそれぞれに出
力する。ニューラルネットワーク11の各ニューロンは自
身が有する荷重値としきい値を用いて入力データを変換
して出力する。出力層23のニューロンの出力が被検者の
心音の正常、異常を示している。この出力は変換回路12
において所見と異常の度合いに変換される。例えば出力
層23の出力値（ｙ1 ，ｙ2 ，…，ｙ10）が（0,0.9,0,0,
0,0,0,0,0,0 ）ならば拡張期雑音ありの旨とその異常の
度合い0.9 を示すデータを表示装置13に出力する。この
ように実際にニューラルネットワーク11に入力されるデ
ータが学習用入力データと一致しない場合、その出力値
は１または０にならず、その中間の値となる。
９2 ，…，９10それぞれが記憶しているデータの分散値
を式（１）を用いて計算し、その結果をニューラルネッ
トワーク11の入力層21の10個のニューロンそれぞれに出
力する。ニューラルネットワーク11の各ニューロンは自
身が有する荷重値としきい値を用いて入力データを変換
して出力する。出力層23のニューロンの出力が被検者の
心音の正常、異常を示している。この出力は変換回路12
において所見と異常の度合いに変換される。例えば出力
層23の出力値（ｙ1 ，ｙ2 ，…，ｙ10）が（0,0.9,0,0,
0,0,0,0,0,0 ）ならば拡張期雑音ありの旨とその異常の
度合い0.9 を示すデータを表示装置13に出力する。この
ように実際にニューラルネットワーク11に入力されるデ
ータが学習用入力データと一致しない場合、その出力値
は１または０にならず、その中間の値となる。
【００２１】表示装置13は変換回路12から与えられた異
常の度合いを表す数値とそれに基づく所見を表示する。
表示例を図５に示す。
常の度合いを表す数値とそれに基づく所見を表示する。
表示例を図５に示す。
【００２２】本実施例のニューラルネットワークは従来
のコンピュータでニューラルネットワークをシュミレー
ションすることにより実現できるし、また実際に個々の
ニューロンに相当する回路を作成して用いてもよい。
のコンピュータでニューラルネットワークをシュミレー
ションすることにより実現できるし、また実際に個々の
ニューロンに相当する回路を作成して用いてもよい。
【００２３】本実施例では心音データの各部の分散値を
用いて心音の異常を検出したが、これは心音の振幅の包
絡線を用いて処理するようにしても良い。
用いて心音の異常を検出したが、これは心音の振幅の包
絡線を用いて処理するようにしても良い。
【００２４】尚、図６に示すように心音、ＥＣＧ、分散
値、出力値および所見を全て表示するようにしても良
い。
値、出力値および所見を全て表示するようにしても良
い。
【００２５】
【発明の効果】本発明によればニューラルネットワーク
を用いているので各段階毎の判定基準をあらかじめ決定
しておかなくても所見の「確からしさ」を表現できる。
そして所見の「確からしさ」をアナログ値で表現できる
ので、心臓検診の一次検診で求められる精密検診の「必
要」か「否」かの判断においてそのボーダラインの設定
がきわめて容易となる。
を用いているので各段階毎の判定基準をあらかじめ決定
しておかなくても所見の「確からしさ」を表現できる。
そして所見の「確からしさ」をアナログ値で表現できる
ので、心臓検診の一次検診で求められる精密検診の「必
要」か「否」かの判断においてそのボーダラインの設定
がきわめて容易となる。
【図１】本発明の一実施例のブロック構成図。
【図２】ＥＣＧ信号の一例を示す図。
【図３】心音信号の一例を示す図。
【図４】図１に示したニューラルネットワーク11の内容
を示す図。
を示す図。
【図５】図１に示した表示装置の一表示例を示す図。
【図６】その他の表示例を示す図。
１，２ Ａ／Ｄ変換器 ３，９1 ，
…，９10 メモリ回路 ４ ＱＲＳ検出回路 ５ ＲＲ計算
回路 ６ 時期確定回路 ７ 分割回路 10 分散値計算回路 11 ニューラ
ルネットワーク 12 変換回路 13 表示装置
…，９10 メモリ回路 ４ ＱＲＳ検出回路 ５ ＲＲ計算
回路 ６ 時期確定回路 ７ 分割回路 10 分散値計算回路 11 ニューラ
ルネットワーク 12 変換回路 13 表示装置
フロントページの続き (72)発明者 岡本 英之 神奈川県横浜市港北区師岡町872 (72)発明者 大澤 満理 埼玉県新座市栄３−３−18 (72)発明者 谷津 美由紀 埼玉県北葛飾郡庄和町大衾496−329
Claims (1)
- 【請求項１】 少くとも１心拍分の心音の振幅を経過時
間と共に記憶する心音記憶手段と、この心音記憶手段が
記憶した振幅のうち所定箇所の特徴を抽出する特徴抽出
手段と、この特徴抽出手段が抽出した結果に基づいて前
記心音についての所定の認識を行ないその認識の程度を
出力するニューラルネットワークと、このニューラルネ
ットワークの出力に基づいて前記心音の異常の程度を表
示する表示手段とを具備する心音解析装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5536492 | 1992-03-13 | ||
| JP4-55364 | 1992-03-13 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05309075A true JPH05309075A (ja) | 1993-11-22 |
Family
ID=12996439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8373892A Pending JPH05309075A (ja) | 1992-03-13 | 1992-04-06 | 心音解析装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05309075A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08206085A (ja) * | 1995-02-03 | 1996-08-13 | Nec Corp | 自律神経活動分類装置 |
| JP2013514122A (ja) * | 2009-12-18 | 2013-04-25 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 心音信号のための信号処理装置及び方法 |
| JP2017521106A (ja) * | 2014-05-15 | 2017-08-03 | ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア | マルチセンサ生理学的モニタリングシステムおよび方法 |
| JP2018038787A (ja) * | 2016-09-09 | 2018-03-15 | タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ | 非定常的なオーディオ信号からのノイズのある信号の識別 |
-
1992
- 1992-04-06 JP JP8373892A patent/JPH05309075A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08206085A (ja) * | 1995-02-03 | 1996-08-13 | Nec Corp | 自律神経活動分類装置 |
| JP2013514122A (ja) * | 2009-12-18 | 2013-04-25 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 心音信号のための信号処理装置及び方法 |
| JP2017521106A (ja) * | 2014-05-15 | 2017-08-03 | ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア | マルチセンサ生理学的モニタリングシステムおよび方法 |
| JP2018038787A (ja) * | 2016-09-09 | 2018-03-15 | タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ | 非定常的なオーディオ信号からのノイズのある信号の識別 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12186086B2 (en) | Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems | |
| US10758139B2 (en) | Automatic method to delineate or categorize an electrocardiogram | |
| US11571161B2 (en) | Systems and methods for electrocardiogram diagnosis using deep neural networks and rule-based systems | |
| CN102835954B (zh) | 一种心拍波形模板生成方法及模块 | |
| CN109770860B (zh) | 一种心电信号处理装置和心电设备 | |
| US20080103403A1 (en) | Method and System for Diagnosis of Cardiac Diseases Utilizing Neural Networks | |
| CN108478209A (zh) | 心电信息动态监护方法和动态监护系统 | |
| CN110638430B (zh) | 级联神经网络ecg信号心律失常分类模型的搭建方法 | |
| CN106725426A (zh) | 一种心电信号分类的方法及系统 | |
| JPH0211120A (ja) | 時変信号の波形部分を比較するための方法および装置 | |
| CN113095302A (zh) | 用于心律失常分类的深度模型、利用该模型的方法及装置 | |
| Gawande et al. | Heart diseases classification using convolutional neural network | |
| CN114847905B (zh) | 一种心率失常数据检测识别方法及系统 | |
| Risk et al. | Beat detection and classification of ECG using self organizing maps | |
| CN113598782B (zh) | 预测室性心律失常起源位置的系统、电子设备和存储介质 | |
| US20230402186A1 (en) | Apparatus, method and computer readable storage medium for predicting blood pressure non-compressively using convolutional neural network and long-short-term memory network | |
| CN109674464A (zh) | 一种多导联心电信号复合特征提取方法及对应监测系统 | |
| JPH05309074A (ja) | 心音解析装置 | |
| JPH05309075A (ja) | 心音解析装置 | |
| Krivenko et al. | Using mel-frequency cepstrum and amplitude-time heart variability as XGBoost handcrafted features for heart disease detection | |
| CN120918668A (zh) | 一种用于心肌缺血的实时多模态生理信号分析方法 | |
| CN109077719A (zh) | 信号识别方法、装置、设备和存储介质 | |
| Rahman et al. | Residual-attention deep learning model for atrial fibrillation detection from Holter recordings | |
| CN115067967A (zh) | 心拍信号基准点确定方法、心拍类型识别方法及装置 | |
| CN108542381B (zh) | 一种数据处理方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19991026 |