一种基于持续学习的心律失常实时分类方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种基于持续学习的心律失常实时分类方法，包括：定位QRS波，截取出ECG信号中的心拍，针对不同心拍类型，各自采样得到若干个数据流；基于深度卷积神经网络构建心拍分类模型；基于聚类算法计算得到同类数据的原型，将每类数据的原型和部分数据流一起存储至缓冲区；分批量多次导入数据流，从缓冲区中读取相同批量大小的数据，合成新的训练数据，采用指数加权平均的方式对每次输入后的原型进行迭代更新，对心拍分类模型进行训练和参数更新；将待识别的ECG新拍数据导入完成训练的心拍分类模型，进行心拍类型识别。本发明能够高效准确的实现数据不平衡条件下的心律失常分类，同时能够在持续学习下实现心律失常分类。

《一种基于持续学习的心律失常实时分类方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2022104972736，当前法律状态为已下证，由南京信息工程大学提出申请，发明人为孙乐;陈青源，申请日期为2022-05-09，公开（公告）日期为2025-01-07，国际专利分类号（IPC）为 G06F 18/241 (2023.01)。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于持续学习的心律失常实时分类方法，包括：定位QRS波，截取出ECG信号中的心拍，针对不同心拍类型，各自采样得到若干个数据流；基于深度卷积神经网络构建心拍分类模型；基于聚类算法计算得到同类数据的原型，将每类数据的原型和部分数据流一起存储至缓冲区；分批量多次导入数据流，从缓冲区中读取相同批量大小的数据，合成新的训练数据，采用指数加权平均的方式对每次输入后的原型进行迭代更新，对心拍分类模型进行训练和参数更新；将待识别的ECG新拍数据导入完成训练的心拍分类模型，进行心拍类型识别。本发明能够高效准确的实现数据不平衡条件下的心律失常分类，同时能够在持续学习下实现心律失常分类。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！