-
公开(公告)号：CN113593698A
公开(公告)日：2021-11-02
申请号：CN202110884629.7
申请日：2021-08-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于图注意网络的中医证型识别方法，其包括将多个医案数据进行标准化，并构建训练集，即语料库数据；将语料库中的所有不重复的症状和证型分别建立一个症状集合和一个证型集合；将属于训练集的每个医案数据中的症状各自两两相连作为节点，计算症状集合中两个症状间的点互信息，并利用图注意力网络更新图中的节点；利用注意力机制加权更新后的节点，得到症状的特征向量；将特征向量输入一个线性层进行分类，得到每个证型的概率；结合每个证型的概率与训练集中真实的情况，计算损失函数；根据损失函数进行反向传播，完成模型迭代；将待识别的症状信息输入训练后的模型得到证型识别结果。本发明有效提高了证型识别的准确性。
-
公开(公告)号：CN111128375B
公开(公告)日：2021-11-02
申请号：CN202010026148.8
申请日：2020-01-10
Applicant: 电子科技大学
Abstract: 本发明属于民族医药辅助决策领域，具体提供一种基于多标签学习的藏医诊断辅助装置，用于解决传统藏医立法过程中存在的一些问题：即诊断结果的不准确性、差异性、缺乏客观性解释，本发明能够为藏医医师诊疗过程提供辅助决策支持，其具有以下优点：1)特征视图的构建：通过训练过程的不断迭代来动态更新特征视图；2)标签传递：在3个分类器之间两两传递最可靠样本，优化分类器，提高分类准确度；3)最优分类结果选择：使用“向量拼接”和“权重分配”相结合的方法选择最优的预测结果。
-
公开(公告)号：CN112926475A
公开(公告)日：2021-06-08
申请号：CN202110251506.X
申请日：2021-03-08
Applicant: 电子科技大学
Abstract: 本发明公开一种人体三维关键点提取方法，应用于人体三维关键点检测领域，针对现有技术存在估计精度差的问题，本发明首先采用双视角进行人体动作行为数据采集；然后采用双分支多阶段结构分别对两个视角的数据进行人体二维关键点置信图检测；进而建立三维关键点生成模型；最后将检测到的待测人体动作行为数据对应的人体二维关键点置信图输入三维关键点生成模型，得到三维关键点坐标；采用本发明的方法可以有效提高人体三维关键点估计精度。
-
公开(公告)号：CN112382410A
公开(公告)日：2021-02-19
申请号：CN202011179813.3
申请日：2020-10-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于药物依赖性的药对不良反应预测方法，其包括以下步骤：S1、收集药对不良反应关系数据、药物的结构数据和副作用数据；S2、构建基于属性监督的药对不良反应预测基础模型；S3、构建基于药物依赖性的药对不良反应预测模型；S4、采用基于药物依赖性的药对不良反应预测模型对步骤S1中所收集的未知不良反应关系的药对进行不良反应预测。本方法通过已知药对不良反应关系数据、药物的结构数据和副作用数据进行模型训练，可以预测数据集中未知不良反应关系药对的不良反应，发现潜在的不良反应药对，为基于生物实验方法的药对不良反应研究和新药安全性研究提供数据支持。
-
公开(公告)号：CN112163499A
公开(公告)日：2021-01-01
申请号：CN202011007245.9
申请日：2020-09-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于融合特征的小目标行人检测方法，在分析了SSD算法运用到行人检测中存在不足的地方，采用融合多尺度卷积特征来检测行人共享了卷积层之间的特征信息，每一层的输入包括了前一层的输出和之前卷积层的部分卷积信息，从而更好的回归出行人的中心点位置；考虑到小分辨率的特征图不容易检测小目标行人的缺点，增大了最后生成掩码图的尺寸，解决了小区域特征图分辨率不足的问题。本发明方法通过融合各阶段的卷积特征来扩大最后的特征图尺寸，丰富小目标的特征信息，很好地实现了对小目标的识别，提高了小目标行人检测的识别准确率，与SDD方相比具有更高的召回率和识别率。
-
Patent Agency Ranking
公开(公告)号：CN111950460A
公开(公告)日：2020-11-17
申请号：CN202010811227.X
申请日：2020-08-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种自适应肌力的卒中患者手部康复训练动作识别方法，其同时采集肌电信号、加速度和角速度数据，同时得到生理学和运动学的客观测量数据，使用不同肌力水平下的样本集训练模型，使得该深度学习模型可以自适应受试者完成动作时肌力的变化，解决了不同肌力条件下因肌电信号差异较大导致的识别鲁棒性低的问题。本方法通过多路多尺寸卷积神经网络自动且自适应地提取不同数据特征，融合多种特征后使用神经网络进行分类识别，避免了人工特征工程导致的信息冗余或丢失以及特征弱化，有效提高了不同肌力水平下卒中患者手部康复训练动作的识别精度。
-
公开(公告)号：CN111681238A
公开(公告)日：2020-09-18
申请号：CN202010536338.4
申请日：2020-06-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于神经网络的齿痕舌识别方法及系统，包括：S1：采集舌像数据图像，并对所述舌像数据图像进行标记；S2：对标记后的舌像数据图像进行提取光照分量和自适应校正预处理操作，得到预处理舌像数据图像；S3：采用卷积神经网络提取所述预处理舌像数据图像的舌像特征并对所述舌像特征分类，通过所述分类后的舌像特征构建和训练齿痕舌分类识别模型；S4：将待识别舌像图像样本进行预处理后，输入所述齿痕舌分类识别模型进行识别，得到齿痕舌识别结果；利用多尺度高斯函数提取出光照不均匀齿痕舌图像的光照分量，构造基于二维伽马函数的自适应亮度校正函数，对光照不均匀图像进行自适应校正处理，有效地提升图像视觉效果。
-
公开(公告)号：CN111523325A
公开(公告)日：2020-08-11
申请号：CN202010312902.4
申请日：2020-04-20
Applicant: 电子科技大学
IPC: G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于笔画的中文命名实体识别方法，本发明利用神经网络CNN对汉字笔画进行特征提取，再利用每个字的汉字特征向量和相对应的笔画特征向量相串联，输入到双向长短期记忆模型，使用神经网络CNN可以利用汉字的笔画，学习到汉字之间的相同点，双向长短期记忆模型可以学习到一句话中每个字的上下文关系。本发明通过以上设计，有效地克服了现有基于词或字符的中文命名实体识别技术的不足，提高了中文命名实体识别率。
-
公开(公告)号：CN111488850A
公开(公告)日：2020-08-04
申请号：CN202010305322.2
申请日：2020-04-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于神经网络的老年人跌倒检测方法，包括以下步骤：S1、对深度图像数据进行预处理，得到二值图像；S2、采用粒子群优化算法获取最优ELM映射参数，得到优化的ELM神经网络模型；S3、将二值图像样本化处理，并对样本添加标签，并将样本输入优化的ELM神经网络模型中进行训练，得到特征向量；S4、将特征向量输入卷积神经网络模型，得到老年人处于跌倒状态的概率；S5、根据老年人处于跌倒状态的概率，判别老年人是否发生跌倒行为，本发明解决了基于传统机器学习的跌倒检测，输入层权值与隐层偏差为随机生成，将会导致消耗神经元数目过多，提取特征结果稳定性差的问题。
-
公开(公告)号：CN111419237A
公开(公告)日：2020-07-17
申请号：CN202010280124.5
申请日：2020-04-10
Applicant: 电子科技大学
Abstract: 本发明公开了脑卒中手部运动功能Carroll评分预测方法，针对传统量表评定方式与基于机器学习的自动评定方法的弊端解决问题。本发明包括数据采集、数据预处理和对手部运动数据使用具有分组约束的卷积-循环神经网络进行时空特征提取，并自动产生Carroll评分。本发明实现脑卒中患者手部运动功能基于Carroll评分量表的自动评分预测。设计手部运动数据采集系统实现手部运动功能客观测量，消除传统人工观察评分方式带来的主观偏差；使用深度学习方法对多通道的传感器序列数据进行时空特征提取并进行Carroll评分预测，减少人工特征提取步骤过程中人为因素干预，提高自动评定精度。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.025 seconds)
