-
公开(公告)号：CN106725321B
公开(公告)日：2023-05-09
申请号：CN201611189288.7
申请日：2016-12-21
Abstract: 本发明提供了一种检测人体多个导联心电图的可穿戴脚环，其特征在于：包括柔性环带和防水外壳；防水外壳的内侧设有用于贴合脚部皮肤的干电极一，防水外壳的外侧设有用于接触左手皮肤的干电极二和用于接触右手皮肤的干电极三；防水外壳内部形成密封腔，密封腔中设有处理模块和电源模块；处理模块包括数据处理电路、控制器和无线信号传输电路；数据处理电路包括型号为ADS1292的芯片U1。该可穿戴脚环能更加全面地了解使用者心电数据，结构简单，体积小，使用便捷，具有良好防潮防汗防水性能。本发明还提供一种检测人体多个导联心电图、能更加全面地了解使用者心电数据、操作简便的检测方法。
-
公开(公告)号：CN112562701B
公开(公告)日：2023-03-28
申请号：CN202011278315.4
申请日：2020-11-16
Applicant: 华南理工大学 , 广东省第二人民医院(广东省卫生应急医院) , 佛山市百步梯医疗科技有限公司
IPC: G10L19/26 , G10L21/0216 , A61B7/04
Abstract: 本发明提供了一种心音信号双通道自适应降噪算法、装置、介质及设备；其中算法包括预处理滤波器生成过程和主副通道信号预处理及降噪过程；预处理滤波器生成过程，是指在安静的环境下采样主通道信号，采用全极点模型对主通道信号作线性预测编码，求得全极点模型的传递函数，从而得到与全极点模型传递函数互为倒数的、预处理滤波器的传递函数；主副通道信号预处理及降噪过程是指：采样主通道信号和副通道信号；对主通道信号和副通道信号进行预处理，并对预处理后信号进行自适应滤波得到误差信号；之后采用传递函数与预处理滤波器传递函数互为倒数的滤波器对误差信号进行滤波处理，得到输出信号。本发明根据实测信号，以最小化心音信号方差为目标确定预处理滤波器的参数，所得预处理滤波器参数为方差最小化意义下的最优值，从而提升降噪效果。
-
公开(公告)号：CN115564969A
公开(公告)日：2023-01-03
申请号：CN202211233301.X
申请日：2022-10-10
Applicant: 华南理工大学
Abstract: 本发明公开了一种全景图显著性预测方法、设备及存储介质，包括：以自然场景全景图作为数据集，对数据集内的全景图像进行投影预处理，所述投影预处理包括多立方体投影及多球面旋转投影；分别将经过多立方体投影和多球面体投影生成的投影全景图作为源数据输入全局与局部子网络，进行显著性预测训练得到局部显著性预测图片及全局显著性预测图片；将全局显著性预测图片和局部先显著性预测图片按照比例融合得到同时关注全局与局部信息的均衡显著性投影，将均衡显著性投影进行相同方向与角度的逆投影，得到融合显著性预测图。本发明同时关注全景图像的全局与局部信息，并对全局与局部的特征信息进行线性加权的融合，比之卷积神经网络模型更为精准高效。
-
公开(公告)号：CN113076936B
公开(公告)日：2022-05-24
申请号：CN202110486004.5
申请日：2021-04-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于绳子目标提取的跳绳计数方法，采用俯视的角度拍摄跳绳视频，既降低了后续从背景中提取人和绳子的难度，又方便了坐标系的建立，使得后期通过坐标系中的绳子方向向量进行跳绳计数分析。另外，本发明先进行视频图像的预处理，控制其分辨率，再设定颜色阈值，当绳子的颜色达到阈值范围内时将其提取出来，从而进行分析，通过该种方式控制了其分辨率，有着较高的计算速度。最后，本发明对于绳子方向向量的分析过程十分严格，设置身前触发器和身后触发器，结合跳绳过程中正常跳绳，反向跳绳，跳绳卡断，卡断后反向摇动，卡断后跨过跳绳，身前触发器和身后触发器的值均会按照不同的逻辑进行变化，从而对跳绳的次数进行影响，有较高的准确率。
-
公开(公告)号：CN111179967B
公开(公告)日：2022-05-24
申请号：CN201911300409.4
申请日：2019-12-17
Applicant: 华南理工大学
Abstract: 本发明提供了一种颈脊髓损伤患者真假咳嗽音线性分类算法，其特征在于：获取若干清音样本和浊音样本，截取清音样本和浊音样本的起始段序列并作滤波处理；计算所得序列的过零率和最大自相关系数；以过零率和最大自相关系数为特征建立线性分类器，并以清音样本和浊音样本为样本集来训练线性分类器；通过训练后的线性分类器来识别颈脊髓损伤患者的真性咳嗽和呼喊声类型假性咳嗽。本发明算法克服了因颈脊髓损伤患者咳嗽音训练样本不足所导致的无法训练识别模型的困难，仅利用清浊音信号即可识别咳嗽真假，避免呼喊声类型的假性咳嗽对咳嗽强度分析的干扰；同时，该方法模型简单且计算量小，便于在可穿戴设备中实现。
-
Patent Agency Ranking
公开(公告)号：CN109635786B
公开(公告)日：2022-05-17
申请号：CN201910057743.5
申请日：2019-01-22
Applicant: 佛山市百步梯医疗科技有限公司 , 华南理工大学
Abstract: 本发明提供了一种基于心音自相关函数的心率计算方法，其特征在于：获取心音序列，对心音序列作滤波处理和求包络；之后在搜索范围内计算自相关函数，搜索自相关函数的峰值点进而根据峰值点序号计算心率值。本发明计算方法可克服呼吸音、摩擦音以及第一、第二心音波形相似等因素的干扰，利用心音序列即可准确计算出心率值，便于在小型可穿戴设备和小型电子听诊器中实现，也适用于在医院和家庭用电子听诊辅助诊疗系统。
-
公开(公告)号：CN112991306A
公开(公告)日：2021-06-18
申请号：CN202110317411.3
申请日：2021-03-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于图像处理的卵裂期胚胎细胞位置分割和计数方法，包括以下步骤：获取卵裂期胚胎细胞图片，对其进行灰度和轮廓增强处理；进行边缘检测；进行形态学变化处理；进行细化处理，并去除小斑点区域；进行圆检测，得到多个候选圆；去除候选圆中不符合整体半径均值范围或重合程度高的圆；依次在留下的每个候选圆对应范围的图像坐标区域上单独进行椭圆拟合；去除不符合长短轴比例范围以及多个椭圆之间重合程度高的椭圆；确定第一候选椭圆组相对应的范围，近似为卵裂期胚胎细胞各单独细胞的位置范围，第一候选椭圆组中候选椭圆的总数为卵裂期胚胎细胞的所有细胞数。本发明具有处理速度快、精度高等优点。
-
公开(公告)号：CN111968741A
公开(公告)日：2020-11-20
申请号：CN202010677989.5
申请日：2020-07-15
Applicant: 华南理工大学
IPC: G16H50/30 , G06F16/35 , G06F40/295 , G16H10/60 , G16H50/70
Abstract: 本发明提供了一种基于深度学习与集成学习的糖尿病并发症高危预警系统，其特征在于：包括：数据输入模块，用于输入待识别的电子病历原始数据；数据预处理模块，用于对所述待识别的电子病历原始数据进行预处理，得到电子病历数据集；数据处理模块，用于将所述电子病历数据集输入至数据挖掘模型，通过所述数据挖掘模型对所述电子病历数据集进行处理，得到电子病历数据集是否为高危人群的预警结果；其中，所述数据挖掘模型为对初始数据挖掘模型进行训练处理得到的模型。本发明可实现糖尿病并发症高危人群早期发现和预警，预警准确性高，具有良好的预警效果，可对疾病有效监督和预防。
-
公开(公告)号：CN109919948A
公开(公告)日：2019-06-21
申请号：CN201910141261.8
申请日：2019-02-26
Applicant: 华南理工大学
Abstract: 本发明提供一种基于深度学习的鼻咽癌病灶分割模型训练方法及分割方法，其中，分割方法包括以下步骤：I.将训练好的分割模型加载到卷积神经网络模型中；II.读取鼻咽癌MRI原始图像；III.对鼻咽癌MRI原始图像进行归一化，得到鼻咽癌MRI图像；IV.将鼻咽癌MRI图像输入卷积神经网络模型，得到鼻咽癌MRI图像的病灶概率图；V.将鼻咽癌MRI图像的病灶概率图进行二值化，得到病灶分割图。本发明还提供一种鼻咽癌病灶分割模型训练方法。本发明通过基于深度学习的鼻咽癌病灶分割模型训练方法得到的模型应用于病灶分割方法中，可有效解决鼻咽癌MRI图像中小图像分割导致效果不好的问题，从而提高目标小图像的分割效果，更加准确的自动分割鼻咽癌病灶。
-
公开(公告)号：CN109919210A
公开(公告)日：2019-06-21
申请号：CN201910141616.3
申请日：2019-02-26
Applicant: 华南理工大学 , 佛山市百步梯医疗科技有限公司
Abstract: 本发明提供一种基于深度卷积网络的心音半监督分类方法，包括以下步骤：步骤S1：获取心音数据并对心音数据进行预处理，作为训练数据；步骤S2：构建深度卷积神经网络模型；步骤S3：利用训练数据对深度卷积神经网络模型进行训练；步骤S4：将训练好的深度卷积神经网络模型推送上线进行服务；步骤S5：利用训练好的深度卷积神经网络模型在线上对患者上传的心音数据进行分类；步骤S6：当数据库中累计新的心音数据一定量时，启动深度卷积神经网络模型训练流程，返回至步骤S1—S3。本发明可对患者的心音数据进行分类以智能诊断；同时，该方法可解决现有技术中心音模型训练的样本有限导致分类不精准的问题，从而提高患者心音分类的精准性。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.029 seconds)
