-
公开(公告)号：CN116831614A
公开(公告)日：2023-10-03
申请号：CN202310909133.X
申请日：2023-07-19
Applicant: 河南大学
IPC: A61B7/04 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及疾病筛查技术领域，具体涉及一种基于时空注意力特征融合模型的异常心音检测方法，该异常心音检测方法先获取心音信号数据，对心音信号数据进行预处理，获得预处理后的心音信号数据；对预处理后的心音信号数据进行特征提取，确定各个心音信号特征数据；通过构建的CNN‑TCN‑Attention网络模型，对各个心音信号特征数据进行多源特征融合和心音分类，获得心音信号数据的分类结果。本发明基于直接从心音信号数据上的提取特征，利用CNN‑TCN‑Attention网络模型，进行心音信号分类，有效提高了异常心音识别的准确性，主要应用于异常心音检测领域。
-
公开(公告)号：CN115813410A
公开(公告)日：2023-03-21
申请号：CN202211598090.X
申请日：2022-12-12
Applicant: 河南大学
Abstract: 本发明涉及数据识别技术领域，具体涉及基于改进的时序卷积网络的脑电信号抑郁识别方法，该方法包括：获取脑电信号，对脑电信号进行去噪；对目标脑电信号进行分段预处理；对目标子信号集合中的每个目标子信号进行频段抑郁特征提取，确定目标子信号对应的抑郁特征集合；根据目标子信号集合中的目标子信号对应的抑郁特征集合，确定目标脑电信号对应的频带抑郁特征集合；对频带抑郁特征集合中的频带抑郁特征进行融合，得到目标脑电信号对应的目标抑郁特征向量；根据目标抑郁特征向量和训练完成的抑郁识别网络，生成抑郁识别信息。本发明能够实现对抑郁进行识别，解决了抑郁识别的准确度低下的技术问题，主要应用于抑郁识别。
-
公开(公告)号：CN112949517B
公开(公告)日：2022-11-22
申请号：CN202110257061.6
申请日：2021-03-09
Applicant: 河南大学
IPC: G06V20/69 , G06V10/25 , G06V10/774 , G06V10/766 , G06V10/82 , G06N3/04
Abstract: 本发明公开了基于深度迁移学习的植物气孔密度和开度识别方法，包括步骤：1）将部分气孔图像进行气孔及气孔内壁双目标标注，作为训练集、验证集，其余作为测试集；2）基于训练集和验证集进行模型训练和优化，当损失函数收敛到最小值时，保存当前模型；3）载入训练后的模型，对测试集图像进行智能识别定位、标注，自动计算得到气孔密度；4）对智能定位后的气孔内壁进行拟合计算，生成对应的气孔开度表型数据文件；5）系统将检测定位及拟合效果可视化呈现给用户，用户可根据需要做参数调整，直至满意。本发明能自动且高效精准地对气孔密度及开度进行智能检测识别和分析，并自动生成相应的表型数据，方便后续研究。
-
公开(公告)号：CN114732409A
公开(公告)日：2022-07-12
申请号：CN202210173928.4
申请日：2022-02-24
Applicant: 河南大学
Abstract: 本发明公开了一种基于脑电信号的情绪识别方法，通过对脑电信号预处理后，将连通性指标作为邻接矩阵，利用图卷积神经网络提取图特征；同时利用时间卷积神经网络提取脑电信号中所蕴含时间特征；进而将两者有效结合进行情绪分类。本方法将图卷积神经网络和时间卷积神经网络相结合，一方面将脑电信号建立为图模型，利用功能连通性指标作为图模型的邻接矩阵进行图卷积特征提取；另一方面利用时间卷积网络提取时间特征。将两个并行的网络提取的空间特征和时间特征相结合，使得模型对不同情绪有更好的识别能力。
-
Patent Agency Ranking
公开(公告)号：CN111657936A
公开(公告)日：2020-09-15
申请号：CN202010550452.2
申请日：2020-06-16
Applicant: 河南大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于小波变换和全变差正则化的信号去噪方法。包括：对含有噪声的脑电信号y(n)进行小波阈值去噪；计算信号y(n)与小波阈值去噪后信号 的余量；对余量d(n)利用全变差正则化进行去噪；将去噪后的信号重构，得到干净信号的估计值；根据去噪评价指标评估脑电信号去噪性能。利用本发明，可以在信号去噪场景中，一方面放松小波阈值去噪中的阈值选择对去噪效果的影响；另一方面保护信号边缘信息，使得去噪后的信号不出现局部震荡，以得到更好的去噪效果。
-
公开(公告)号：CN118518038A
公开(公告)日：2024-08-20
申请号：CN202410925702.4
申请日：2024-07-11
Applicant: 开封市测控技术有限公司 , 河南大学
IPC: G01B15/02
Abstract: 本发明涉及锂电池极片的测厚设备领域，具体涉及一种基于傅里叶时域频域转换模型的小光斑数据预测方法，包括以下步骤，利用测厚仪驱动第一发射器和第一接收器对第一极片进行测厚收集到第一测厚数据#imgabs0#；利用测厚仪驱动第二发射器和第二接收器对第一极片进行测厚收集到第二测厚数据#imgabs1#；对第一测厚数据#imgabs2#和第二测厚数据#imgabs3#的每个数据分别进行归一化处理；收集测厚仪的离散信号#imgabs4#，并利用滤波器对第一测厚数据#imgabs5#和第二测厚数据#imgabs6#进行滤波；经过傅里叶变换得到预测参数#imgabs7#。本发明提供一种便于测厚仪持续稳定工作，保持通过测厚仪获取数据精准性的基于傅里叶转换模型的测厚仪反馈数据的预测方法。
-
公开(公告)号：CN116912588A
公开(公告)日：2023-10-20
申请号：CN202310925620.5
申请日：2023-07-26
Applicant: 河南大学
IPC: G06V10/764 , G06V10/26 , G06V10/80 , G06V20/10 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种编码‑解码下融合非局部注意力机制的农业大棚识别方法，步骤为：对输入遥感图像进行预处理，进行初始特征提取得到高维特征和低维特征，将高维特征进行并行的多尺度深度可分离的空洞卷积和全局平均池化提取特征并进行融合，得到融合特征图；将融合特征利用特征映射得到三种映射矩阵，将其中两个特征映射矩阵相乘得到各像素与其他全部像素关联性度量的权重矩阵，再将权重矩阵与余下的映射矩阵进行相乘，得到农业大棚特征；将农业大棚特征进行一次上采样并与低维特征进行通道方向的拼接，使用深度可分离的bottleneck层进行特征整合，从而实现逐像素分类，进而得到最终的语义分割结果。本发明极大地提高了农业大棚识别的准确性。
-
公开(公告)号：CN111657936B
公开(公告)日：2022-04-12
申请号：CN202010550452.2
申请日：2020-06-16
Applicant: 河南大学
Abstract: 本发明公开了一种基于小波变换和全变差正则化的信号去噪方法。包括：对含有噪声的脑电信号y(n)进行小波阈值去噪；计算信号y(n)与小波阈值去噪后信号的余量；对余量d(n)利用全变差正则化进行去噪；将去噪后的信号重构，得到干净信号的估计值；根据去噪评价指标评估脑电信号去噪性能。利用本发明，可以在信号去噪场景中，一方面放松小波阈值去噪中的阈值选择对去噪效果的影响；另一方面保护信号边缘信息，使得去噪后的信号不出现局部震荡，以得到更好的去噪效果。
-
公开(公告)号：CN112949517A
公开(公告)日：2021-06-11
申请号：CN202110257061.6
申请日：2021-03-09
Applicant: 河南大学
Abstract: 本发明公开了基于深度迁移学习的植物气孔密度和开度识别方法，包括步骤：1）将部分气孔图像进行气孔及气孔内壁双目标标注，作为训练集、验证集，其余作为测试集；2）基于训练集和验证集进行模型训练和优化，当损失函数收敛到最小值时，保存当前模型；3）载入训练后的模型，对测试集图像进行智能识别定位、标注，自动计算得到气孔密度；4）对智能定位后的气孔内壁进行拟合计算，生成对应的气孔开度表型数据文件；5）系统将检测定位及拟合效果可视化呈现给用户，用户可根据需要做参数调整，直至满意。本发明能自动且高效精准地对气孔密度及开度进行智能检测识别和分析，并自动生成相应的表型数据，方便后续研究。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
