一种基于深度神经网络的可穿戴心电图实时诊断系统

发布时间: 2023-09-15

来源: 科技服务团

基本信息

合作方式：技术转让

成果类型：发明专利

行业领域：

生物与新医药技术

成果介绍

本发明公开了一种基于深度神经网络的可穿戴心电图实时诊断系统，属于医疗器械技术领域，包括：信号采集模块和主控模块，所述信号采集模块，用于采集12导联心电图；所述主控模块包括嵌入FPGA的诊断模型，所述诊断模型为训练好的深度神经网络，所述主控模块，用于对12导联心电图进行实时诊断，在诊断过程中FPGA中的卷积加速器采用分时复用的方式为诊断模型中的每个卷积层配置参数完成卷积运算，得到诊断结果。本发明将诊断模型嵌入FPGA，减少对网络传输的依赖，实现了实时诊断，采用12导联心电图作为输入数据进行预测，提高诊断结果准确率，设计可重构卷积加速器，从而大大提高计算性能，满足可穿戴心电设备进行实时检测和准确诊断的要求。

成果亮点

基于深度学习的心电图分类设备的硬件往往比较庞大且计算量冗杂，不适用于可穿戴式设备等用途。目前可穿戴式设备主要采取单导联的检测方式，但是准确度不够，且可诊断的疾病种类有限；且很多模型受限于较大的计算量通常采用云计算的方式进行实时诊断，从而增加对网络的依赖，当断网时可穿戴设备不能正常工作，对患者的健康监测造成严重的影响。该成果提供了基于深度神经网络的可穿戴心电图实时诊断系统，由此解决现有技术存在准确度低、对网络依赖强、无法实时诊断的技术问题。

团队介绍

袁烨教授团队：从事基于数据驱动建模优化理论及其在工业应用的研究，主持国家自然科学基金重大研究计划（重点项目）等国家级项目。以第一作者或者通信作者发表National Science Review、Nature Machine Intelligence、Nature Communications、IEEE Trans.、Automatica等国内外顶尖期刊论文50余篇，发表COLT、CDC、IJCAI、ICRA等国际顶尖会议论文30余篇，出版Cambridge University Press英文专著，授权发明专利20余项，在航空工业等成果转化。

成果资料

产业化落地方案

点击查看

成果综合评价报告

评价单位：“科创中国”医疗康养产业科技服务团 (中国生物工程学会) 评价时间：2023-10-11

孙亮

山东第一医科大学

教授

综合评价

该成果技术路径清晰，新开发的基于深度神经网络的可穿戴心电图实时诊断系统可以实现疾病诊断准确率高、实时性强，达到早发现、早干预目的，为开发更有效的心电图诊断设备提供了新思路。建议加大推广力度，尽快转化，完成后续诊断设备的临床安全性和有效性评价，推动诊断设备尽快上市，造福众多疾病患者，为“健康中国”行动增添有利抓手。

科创中国

友情链接

国际技术贸易

海外专利信息资源系统

省级中心站