-
公开(公告)号：CN115281688A
公开(公告)日：2022-11-04
申请号：CN202210792806.3
申请日：2022-07-05
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多模态深度学习的心房心室肥大多标签检测系统，属于心电图上的心脏肥大检测领域。采用自适应小波阈值去噪、基于形态学特征的心拍分割、深度神经网络、多模态特征融合等方法，当下热门的计算机视觉技术迁移到心电信号分类上，通过将心电信号的时域特征、形态特征和病人个体信息融合，对四种心脏肥大和正常同时进行分类，搭建出一个基于多模态深度学习的多标签检测框架，从而解决了心电信号在心脏肥大检测上的准确率差和泛化能力差的问题，实现了基于心电图的心脏肥大准确监测，可用于临床诊断。
-
Patent Agency Ranking
公开(公告)号：CN113749668B
公开(公告)日：2022-08-09
申请号：CN202110971350.2
申请日：2021-08-23
Applicant: 华中科技大学
Abstract: 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。
-
公开(公告)号：CN119475268A
公开(公告)日：2025-02-18
申请号：CN202411539763.3
申请日：2024-10-31
Applicant: 华中科技大学
IPC: G06F18/27 , G06F18/213 , G06F30/20 , G06N3/045 , G06N3/0464 , G06N3/084 , G01D21/02 , G06F119/14 , G06F123/02
Abstract: 本发明属于切削力预测技术领域，公开了一种物理信息嵌入的瞬时切削力预测方法及系统。方法包括：将加工时序数据输入至训练好的瞬时切削力预测模型的特征提取网络中获取加工时序数据的特征；将静态加工参数输入理论机械切削力模型中，计算得到对应的理论切削力；并将理论切削力与所述静态加工参数拼接后得到机理特征向量，将所述机理特征向量输入至所述瞬时切削力预测模型的全连接层；在所述全连接层，将所述机理特征向量与获取的加工时序数据特征进行拼接并回归，得到瞬时切削力预测结果。本发明能够提升切削力预测的准确度，提升模型泛化能力，以及预测的实时性，并增加了模型的可解释性。
-
公开(公告)号：CN115281688B
公开(公告)日：2024-10-22
申请号：CN202210792806.3
申请日：2022-07-05
Applicant: 华中科技大学
IPC: A61B5/318 , A61B5/346 , A61B5/366 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种基于多模态深度学习的心房心室肥大多标签检测系统，属于心电图上的心脏肥大检测领域。采用自适应小波阈值去噪、基于形态学特征的心拍分割、深度神经网络、多模态特征融合等方法，当下热门的计算机视觉技术迁移到心电信号分类上，通过将心电信号的时域特征、形态特征和病人个体信息融合，对四种心脏肥大和正常同时进行分类，搭建出一个基于多模态深度学习的多标签检测框架，从而解决了心电信号在心脏肥大检测上的准确率差和泛化能力差的问题，实现了基于心电图的心脏肥大准确监测，可用于临床诊断。
-
公开(公告)号：CN119282817A
公开(公告)日：2025-01-10
申请号：CN202411294167.3
申请日：2024-09-14
Applicant: 华中科技大学
IPC: B23Q17/09 , B23Q17/24 , G06T7/00 , G06T7/11 , G06T7/62 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06F18/25
Abstract: 本发明公开了一种交点孔镗削刀具状态的检测方法及系统，属于工业大数据技术领域；基于多模态数据进行检测，通过采集到的一刀加工过程中的加工时序数据和一刀加工完成后的刀具前刀面图像，分别对应获取了刀具后刀面的磨损带宽和刀具前刀面图像的磨损占比作为交点孔镗削刀具状态的检测指标；通过磨损带宽来表征加工精度情况，当磨损带宽较大时表明刀具后刀面磨损较大，影响加工精度；通过磨损占比来表征表面粗糙度情况，当磨损占比较大时表明表明刀具前刀面磨损较大，影响工件表面粗糙度。本发明全方面考虑了加工精度和表面粗糙度要求，实现了交点孔镗削刀具状态的准确检测。
-
公开(公告)号：CN113749668A
公开(公告)日：2021-12-07
申请号：CN202110971350.2
申请日：2021-08-23
Applicant: 华中科技大学
Abstract: 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。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
