-
公开(公告)号：CN119480126A
公开(公告)日：2025-02-18
申请号：CN202411354767.4
申请日：2024-09-27
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于模型联邦网络的多中心医疗任务模型构建方法，所述方法包括：获取当前医疗中心的模型构建需求，并基于模型构建需求从该医疗中心选择对应的任务模型作为原始任务模型；从模型联邦网络中选择一个或多个与原始任务模型任务类型一致的来自于其他医疗中心的外部任务模型；对原始任务模型和每一个外部任务模型分别进行特征归因分析以得到原始任务模型和每一个外部任务模型的模型量化评估结果；以图匹配方式计算原始任务模型与各个外部任务模型之间的结构相似度；基于模型量化评估结果和结构相似度，按照预设的方式将原始任务模型中神经网络层的神经元参数与各个外部任务模型对应神经网络层的神经元参数进行加权融合得到目标医疗任务模型。
-
公开(公告)号：CN113177455B
公开(公告)日：2023-01-24
申请号：CN202110442262.3
申请日：2021-04-23
Applicant: 中国科学院计算技术研究所 , 鹏城实验室
IPC: G06V40/20 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G16H50/30 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供了一种训练运动强度识别系统的方法，包括：A1、构建运动强度识别系统，其包括依次连接的数据预处理模块、并行卷积处理流、双线性池化模块和多任务学习模块，所述并行卷积处理流包括两条并行的卷积处理流；A2、通过数据预处理模块对经标注了标签的运动数据进行预处理，得到运动信息和对应的标签组成的训练集，其中，运动数据由惯性传感器采集得到，为运动数据标注的标签包括多种不同的运动强度标签和多种不同的运动行为标签；A3、用所述训练集训练所述运动强度识别系统；本发明从通道和空间两个维度对卷积层提取的特征进行优化，关注重要的特征，抑制不必要的特征，有助于提升运动强度的识别精度。
-
公开(公告)号：CN113057585B
公开(公告)日：2022-08-30
申请号：CN202110274276.9
申请日：2021-03-15
Applicant: 中国科学院计算技术研究所
IPC: A61B5/00
Abstract: 本发明提供一种认知障碍检测模型及其训练方法，所述认知障碍检测模型包括多模态信息表征模块、多模态信息融合模块、无监督深度聚类模块。所述多模态信息表征模块包括眼底图像数据表征网络、多模态生理信号数据表征网络。所述多模态信息融合模块与所述多模态信息表征模块相连接，用于将所述眼底图像数据的特征与多模态生理信号的特征进行融合，得到融合后的特征；所述无监督深度聚类模块与所述多模态信息融合模块相连接，用于根据所述融合后的特征基于无监督聚类模型进行认知障碍检测。
-
公开(公告)号：CN110812803B
公开(公告)日：2021-04-27
申请号：CN201910987541.0
申请日：2019-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种用于认知能力提升的交互式辅助干预系统，包括：外形为立方体的交互装置，该交互装置侧面的四个面上分别具有预设颜色和形状的物块，该交互装置顶面具有触控按钮，该交互装置底面具有彩灯，该交互装置内部具有扬声器、麦克风、运动传感器和控制模块；智能终端，用于生成交互任务，并将该交互任务发送至该控制模块，该控制模块根据该交互任务控制该彩灯的颜色和扬声器的发声内容，在使用者通过该交互装置完成该交互任务的过程中，该控制模块实时获取该触控按钮、该麦克风和该运动传感器采集的交互信号，该智能终端通过分类模型处理该交互信号，得到该使用者的认知能力。
-
公开(公告)号：CN117711629A
公开(公告)日：2024-03-15
申请号：CN202311713643.6
申请日：2023-12-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种疾病预测模型的联邦训练方法及系统，其中，所述方法包括：将已有的多个客户端构建有向环形拓扑连接；给多个客户端配置相同结构的初始疾病预测模型，其中，每个客户端自有本地医疗数据集；基于构建的环形拓扑连接关系，每个客户端利用自有的本地医疗数据集以先传输联邦训练再基于广播的知识蒸馏联邦训练的方式对其对应的初始疾病预测模型进行多次迭代联邦训练，其中，传输联邦训练时相邻客户端之间进行全部参数传递，基于广播的知识蒸馏联邦训练时，每个客户端将其训练好的疾病预测模型参数广播给其他所有客户端。本发明的方法可以提高不同客户端的疾病预测模型性能。
-
Patent Agency Ranking
公开(公告)号：CN117612709A
公开(公告)日：2024-02-27
申请号：CN202311800401.0
申请日：2023-12-26
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种医疗任务模型的联邦构建方法，用于同时构建适用于执行不同任务的医疗任务模型，所述方法包括：步骤S1：通用模型构建步骤，以联邦学习的方式通过步骤S11的初始化步骤和步骤S12的联邦训练步骤构建一个适用于各种医疗任务的通用模型，步骤S2：医疗任务模型组合步骤：将多次联邦训练后中心服务器得到的特征提取模型作为通用模型，并将该通用模型作为特征提取器，将其分别与多个目标任务对应的嵌入模块和输出模块组合以构成每个目标任务对应的医疗任务模型。
-
公开(公告)号：CN114027786A
公开(公告)日：2022-02-11
申请号：CN202110917103.4
申请日：2021-08-11
Applicant: 中国科学院计算技术研究所 , 鹏城实验室
Abstract: 本发明提出一种基于自监督式记忆网络的睡眠呼吸障碍检测方法和系统，利用自监督学习模块丰富正常数据并从正常数据中学习一种通用模式，还引入了一种自适应记忆融合网络，包括全局记忆模块、局部记忆模块和自适应融合模块，分别通过全局和局部记忆模块学习正常数据的共有特征和特有特征，最后采用自适应融合模块将共有特征和特有特征融合到最终的特征表示中，将其用于重构输入数据。本发明实现了无监督的端到端模型训练方法，即无需异常数据就能够完成训练。
-
公开(公告)号：CN113057585A
公开(公告)日：2021-07-02
申请号：CN202110274276.9
申请日：2021-03-15
Applicant: 中国科学院计算技术研究所
IPC: A61B5/00
Abstract: 本发明提供一种认知障碍检测模型及其训练方法，所述认知障碍检测模型包括多模态信息表征模块、多模态信息融合模块、无监督深度聚类模块。所述多模态信息表征模块包括眼底图像数据表征网络、多模态生理信号数据表征网络。所述多模态信息融合模块与所述多模态信息表征模块相连接，用于将所述眼底图像数据的特征与多模态生理信号的特征进行融合，得到融合后的特征；所述无监督深度聚类模块与所述多模态信息融合模块相连接，用于根据所述融合后的特征基于无监督聚类模型进行认知障碍检测。
-
公开(公告)号：CN108717548A
公开(公告)日：2018-10-30
申请号：CN201810315805.3
申请日：2018-04-10
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种面向传感器动态增加的行为识别模型更新方法及系统，包括：模型构建步骤，通过初始传感器获取用户行为的初始数据，并提取初始特征数据以构建行为识别模型；增量特征数据获取步骤，通过该初始传感器和新增传感器获取用户行为的增量数据，定义增量特征并提取增量特征数据；模型更新决策步骤，以该行为识别模型中的决策树预测结果之间的平均互信息，及该预测结果和与其对应的用户实际行为之间的互信息，获得该行为识别模型的每棵决策树的多样性评分，将多样性评分小于更新阈值的决策树作为待更新决策树；模型动态更新步骤，以该增量特征数据更新所有待更新决策树，以实现该行为识别模型的更新。
-
公开(公告)号：CN106875630A
公开(公告)日：2017-06-20
申请号：CN201710144772.6
申请日：2017-03-13
Applicant: 中国科学院计算技术研究所
IPC: G08B21/04
CPC classification number: G08B21/043 , G08B21/0446
Abstract: 本发明涉及一种基于层次分类的可穿戴跌倒检测方法和系统，该跌倒检测方法包括：采集用户的日常行为数据；对该日常行为数据进行合成、滤波等处理生成原始数据；利用滑动窗口机制提取该原始数据的时频域特征，生成样本，并将该样本组合成样本集；利用第一层一类分类模型对该样本集中的每一个样本进行识别，将识别后的结果发送至第二层的加权二类分类模型；第二层的加权二类分类模型负责对加权分配处理，生成加权跌倒样本，并将其送至第三层的规则二类分类模型；第三层的规则二类分类模型根据该加权跌倒样本是否符合跌倒规则，判断用户是否发生跌倒行为。本发明通过以上方法实现了对用户跌倒行为的准确判断。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.024 seconds)
