-
公开(公告)号：CN113627518B
公开(公告)日：2023-08-08
申请号：CN202110904775.1
申请日：2021-08-07
Applicant: 福州大学
IPC: G06F18/2135 , G06F18/25 , G06N3/0464 , G06N3/096 , A61B5/16 , A61B5/372
Abstract: 本发明提出一种利用迁移学习实现多通道卷积‑递归神经网络脑电情感识别模型的方法，其基于三心搏识别方法构建的双通道一维卷积神经网络模型作为源域模型进行迁移，得到目标域为脑电信号的多通道卷积‑递归神经网络脑电情感识别模型，解决了脑电信号标注数据十分稀缺的问题，并能够提高脑电信号情感预测准确度。通过对脑电数据集进行分解、归一化等预处理，提高数据处理的准确性；迁移得到的多通道卷积神经网络对脑电数据集中的多通道脑电信号进行特征提取；结合递归神经网络进行序列建模，提取多通道融合情感信息；通过自适应注意力模型和加权特征融合方式来实现特征的重新分布，得到完整的特征张量。
-
公开(公告)号：CN111862068B
公开(公告)日：2022-09-13
申请号：CN202010739084.6
申请日：2020-07-28
Applicant: 福州大学
Abstract: 本发明涉及一种融合数据缺失数据和图像的三模型综合决策情绪预测方法，包括以下步骤：步骤S1:获取心电图文件并对其进行图像预处理，得到二值化心电图;步骤S2:根据得到的二值化心电图，以列扫描方式与前者基准结合转换图像信息为标准心电数据；步骤S3:将标准心电数据通过多维心电分析模型，提取心电特征；步骤S4:分别构建特征权重分析模型的情绪预测模型、卷积神经网络和Missing_Value_Model模型，并根据标准心电数据和心电特征，得到三个预测结果；步骤S5:根据得到的三个预测结果，采用比较权重方法确定最终的预测结果。本发明提出融合三种格式数据的情感类型预测模型，实现提高预测准确度。
-
公开(公告)号：CN110401449B
公开(公告)日：2022-03-08
申请号：CN201910834219.4
申请日：2019-09-04
Applicant: 福州大学
Abstract: 本发明涉及一种高精度SAR ADC（逐次逼近模数转换器）结构及校准方法，包括采样保持电路、主DAC（数模转换器）、桥接电容校准模块、校准DAC（数模转换器）、比较器、数字校准和逻辑控制模块；所述桥接电容校准模块受数字校准和逻辑控制模块的控制对主DAC进行桥接电容校准；所述校准DAC受数字校准和逻辑控制模块的控制对主DAC进行电容失配校准。本发明的结构不需要复杂的校准电路，不影响SAR ADC的正常量化过程，随时都可以开启校准，校准时不需要额外的输入信号，可广泛应用于电容阵列型SAR ADC。
-
公开(公告)号：CN113974647A
公开(公告)日：2022-01-28
申请号：CN202111251594.X
申请日：2021-10-26
Applicant: 福州大学
Abstract: 本发明提出一种非线性支持向量机多特征量化及模型参数寻优重构心源性猝死风险因子的系统及方法，包括对心源性猝死心电信号数据集和正常窦性心律心电信号数据集进行数据预处理；对处理好的心电数据集进行心电波形检测；对心源性猝死风险因子进行提取；对提取的初始特征进行特征量化缩放处理；利用非线性支持向量机作为心源性猝死风险因子的验证模型，通过模型参数寻优，确定误差惩罚参数C和核参数γ；通过制定的心源性猝死风险因子和优化后的模型参数得到心源性猝死的预测模型；达到重构、验证心源性猝死风险因子的效果，对研究心源性猝死具有很好的指导意义。
-
公开(公告)号：CN111297350B
公开(公告)日：2021-08-31
申请号：CN202010122175.5
申请日：2020-02-27
Applicant: 福州大学
IPC: A61B5/346
Abstract: 本发明涉及一种融合源端影响的三心拍多模型综合决策心电特征分类方法，包括以下步骤；步骤S1：采集待测心电信号，并进行预处理，得到心电信号数据集；步骤S2：构建特征提取模型，并提取心电特征和源端特征；步骤S3：构建解码重构模型，并通过解码重构模型将特征提取模型所提取的特征还原成心电信号；步骤S4：构建特征分类模型，对特征提取模型所提取的心电特征进行分类；步骤S5：训练特征提取模型以及解码重构模型，并以解码重构模型的生成信号与原始信号的差异训练特征提取模型以及解码重构模型；步骤S6：融合循环训练步骤S2的特征提取模型的特征，融合决策分类结果。本发明优化特征提取，综合考虑各种因素以提高心电分类准确度。
-
Patent Agency Ranking
公开(公告)号：CN106656426A
公开(公告)日：2017-05-10
申请号：CN201710054593.3
申请日：2017-01-22
Applicant: 福州大学
Abstract: 本发明涉及一种具有信息传输权重的通信方法，将多组待调制发射的串行数据码流按照权重系数分配调制域；其次将串行数据码流按对应调制域进行处理后形成合成数据流；然后将合成数据流进行调制发射，最后通过两种不同方法从信道中接收还原出合并数据码流。本发明在有限信道资源下，可以使信息权重更高的数据码流能够占据更宽调制域，从使其具有更优的信噪比。
-
公开(公告)号：CN117084648A
公开(公告)日：2023-11-21
申请号：CN202310888715.4
申请日：2023-07-19
Applicant: 福州大学
IPC: A61B5/0205 , A61B5/352 , A61B5/358 , A61B5/349 , A61B5/318 , A61B5/00 , G06F18/241 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/096 , G06F18/213
Abstract: 本发明提出归纳式迁移学习的双通道无创血压分类与血压检测的方法，包括对无袖血压估计数据库的心电信号、光电容积脉搏波信号和动脉血压信号进行数据预处理；通过深度学习网络搭建心率失常五分类源域模型；对搭建好的源域模型进行归纳式迁移，构建三个血压二分类模型；通过一维卷积神经网络构建回归模型，正常血压、高血压前期、高血压数据输入模型，分别进行收缩压和舒张压的回归，构建六个回归模型；将PPG和ECG双通道测试数据输入搭建好的二级二分类模型，模型自动判断类别后自动选择对应的回归模型进行回归，并输出具体的收缩压值和舒张压值；本发明能达到无创血压分类检测的效果，提高检测血压值的准确率。
-
公开(公告)号：CN116898451A
公开(公告)日：2023-10-20
申请号：CN202310888666.4
申请日：2023-07-19
Applicant: 福州大学
IPC: A61B5/318 , A61B5/346 , A61B5/00 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明提出用具有多尺度注意力机制的神经网络实现房颤预测的方法，包括以下步骤：步骤S1：对房颤心电信号AFECG数据集和正常窦性心律心电信号NSR ECG数据集进行采集划分和数据预处理；步骤S2：设计神经网络架构对房颤数据进行初步预测，在此网络架构的基础上对预测网络结构优化；步骤S3：在房颤预测数据的不同导联之间进行导联注意力机制的构建；步骤S4：在神经网络中不同的特征图之间进行时间空间注意力机制的构建；步骤S5：在房颤预测数据不同时序片段上进行时序注意力机制的构建；步骤S6：在完成上述各注意力机制子类模块的构建后，将子类模块与基础神经网络融合，然后进行神经网络的整体优化，形成最终的房颤预测网络；本发明可提高预测房颤准确率。
-
公开(公告)号：CN115736953A
公开(公告)日：2023-03-07
申请号：CN202211498184.X
申请日：2022-11-28
Applicant: 福州大学
Abstract: 本发明提出一种基于稳态视觉诱发电位的便携式客观视力检测系统，所述客观视力检测系统包括可向视力测试者播放视频的稳态视觉诱发电位刺激模块、安装于视力测试者身体枕区处的稳态视觉诱发电位采集模块，还包括与稳态视觉诱发电位采集模块相连的客观视力分析处理模块；客观视力分析处理模块采集视力测试者观看视频时的脑电信号，并对脑电信号进行处理，并对处理后的脑电信号进行客观视力检测结果分析，得出视力检测结果；本发明可以提供基于稳态视觉诱发电位的客观视力检测的解决方案。
-
公开(公告)号：CN115429288A
公开(公告)日：2022-12-06
申请号：CN202211256703.1
申请日：2022-10-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于集成学习与二级分层网络的十二导联心拍分类方法。采用十二导联心电数据作为输入，建立基于卷积神经网络和长短时记忆网络的多输入心拍分类集成模型，实现五大类心律失常智能化分类识别，模型中采用集成学习方法与二级分层网络，组合不同个体分类器搭建集成学习模型框架，解决不均衡数据集的分类效果不佳的问题，从而有效提高心律失常分类的整体性能指标，有望缓解医护人员繁重的判读工作压力，为智慧医疗领域中心电的智能判读研究提供新思路。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.023 seconds)
