-
公开(公告)号：CN111883247B
公开(公告)日：2022-03-15
申请号：CN202010742790.6
申请日：2020-07-29
Applicant: 复旦大学
Abstract: 本发明公开了一种行为数据与医疗结局相关性的分析系统，包括运算处理器，以及与运算处理器相连的数据采集单元、数据获取单元、数据分析模块、数据库和结果输出模块构成，数据采集单元对医护人员的操作行为以及病人的外在体征信息进行采集，从而获取行为数据；数据获取单元获取病人的诊断数据；数据分析模块对采集获取的数据进行分析；数据库则储存采集获取以及分析出的数据；结果输出模块则将分析结果输出。本发明中，通过对医护人员的行为数据以及病患的体征和行为数据进行采集分析，来判断其对医疗结果产生的影响，从而有利于规范化针对性进行医疗行为确立，加快患者的康复时间，提升医疗服务品质。
-
公开(公告)号：CN111916192A
公开(公告)日：2020-11-10
申请号：CN202010713382.8
申请日：2020-07-22
Applicant: 复旦大学
IPC: G16H40/20 , G06Q10/10 , G06F40/117 , G06F16/215 , G06K9/62
Abstract: 本发明涉及一种医疗行为多模态数据标注方法和系统，方法包括以下步骤：数据采集步骤：采集医疗行为多模态数据；初始化步骤：进行数据清洗，获取未标注空白数据，并初始化多模态数据自动标注模型；模型训练步骤：基于未标注空白数据构建待标注多模态数据，并载入多模态数据自动标注模型中，获得自动标注数据，对该待检验标注数据进行复核检验，从而对多模态数据自动标注模型进行训练；结果获取步骤：采用训练后的多模态数据自动标注模型对待标注多模态数据进行自动标注。与现有技术相比，本发明将开发过程和标注过程结合起来，同时添加了自动标注模型，不仅减轻了标注人员的工作压力，提高标注效率，还减少了标注错误率，提升标注准确率。
-
公开(公告)号：CN111914925A
公开(公告)日：2020-11-10
申请号：CN202010740442.5
申请日：2020-07-28
Applicant: 复旦大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06K9/00 , G06K9/46 , A61B5/11 , A61B5/00 , A61B5/0488 , A61B5/0402 , A61B5/0496 , A61B5/0205 , A61B5/055 , A61B5/053 , A61B6/00 , A61B6/03 , A61B8/00
Abstract: 本发明涉及一种基于深度学习的患者行为多模态感知与分析系统，包括数据采集单元、患者人体姿态识别单元、患者生理信号识别单元、患者图像信息识别单元、患者语音信息识别单元以及深度融合单元；通过对采集到的患者姿态、生理、图像和语音等多模态数据实现预处理和感兴趣区提取和诊断，深度融合单元采用多模态二维特征和三维特征融合网络结构，由2D深度学习网络获取初步分割结果，并通过3D深度学习网络在初步分割结果的基础上，获取患者行为检测结果。与现有技术相比，本发明实现了更加精准的评估患者行为，准确定位病灶，显著提高了患者病理走向预测准确度，为患者行为科学干预与医疗流程智能优化手段的实施提高有力的基础保障。
-
公开(公告)号：CN119904578A
公开(公告)日：2025-04-29
申请号：CN202411994615.0
申请日：2024-12-31
Applicant: 复旦大学
IPC: G06T17/00 , G06T7/70 , G06N3/0455
Abstract: 本发明涉及一种基于多模态融合的三维人体表面重建方法，包括：获取人体图片，对人体图片进行特征提取；将提取出的人体图像特征与预先根据通用化人体模型获取的3D坐标先验进行多模态融合，得到融合特征；通过令牌位移模块对人体图像特征中的人体关节与3D坐标先验中各个顶点进行交叉位移操作，从而学习三维人体表面网格的局部顶点间以及表面顶点与关节点之间的联系，进而辅助解码器进行重建；根据融合特征通过解码器进行回归计算，重建出人体表面的三维形状表示。与现有技术相比，本发明具体提高了重建的人体姿态和体型的真实感和准确性、具有灵活性和泛化能力等优点。
-
公开(公告)号：CN119795167A
公开(公告)日：2025-04-11
申请号：CN202411994614.6
申请日：2024-12-31
Applicant: 复旦大学
Abstract: 本发明涉及一种基于对抗性模仿学习的音乐驱动人形机器人控制方法，包括：获取与舞蹈演示相匹配的原始音乐，对该原始音乐进行特征提取；采用音乐编码器对提取的特征进行编码，得到音乐的隐向量；将音乐的隐向量作为条件输入舞蹈生成器中，生成机器人舞蹈动作控制信息，以构建仿真的机器人舞蹈动作；通过舞蹈鉴别器对仿真的机器人舞蹈动作以及舞蹈演示分别进行区分；交替对舞蹈生成器和舞蹈鉴别器进行训练，直至舞蹈生成器生成的仿真的机器人舞蹈动作，使得舞蹈鉴别器无法准确区分；获取音乐序列，通过训练好的舞蹈生成器，生成舞蹈动作。与现有技术相比，本发明具有能生成与音乐高度匹配良好的流畅舞蹈动作、具有灵活性和泛化能力等优点。
-
Patent Agency Ranking
公开(公告)号：CN119418846A
公开(公告)日：2025-02-11
申请号：CN202411337098.X
申请日：2024-09-25
Applicant: 复旦大学
IPC: G16H15/00 , G16H30/20 , G16H50/70 , G06N5/04 , G06F16/3329
Abstract: 本发明涉及一种基于医疗思维链的多模态医疗影像报告生成方法及系统，其中方法包括以下步骤：获取现有的原始无序非结构化医学影像报告数据集；对数据集中的影像报告进行预处理，得到高质量数据集；基于大语言模型对高质量数据集中的医疗影像报告进行处理，抽取层次化医学属性问答对；将层次化医学数学问答对串联重构为链式推理问答对；利用链式推理问答对数据对对现有的医学影像报告生成模型进行微调，利用微调后的医学影像报告生成模型生成医疗影像报告。与现有技术相比，本发明具有显式的加强了多模态特征的利用率和意图理解的识别能力，提高了推理能力的泛化性、可靠性和准确性，生成的医疗影像报告可靠性更高等优点。
-
公开(公告)号：CN114188102B
公开(公告)日：2024-08-20
申请号：CN202111497357.1
申请日：2021-12-09
Applicant: 复旦大学
Abstract: 本发明公开了一种电缆中间接头的绕包装置，包括底座、支撑机构、移动机构、缠绕机构以及移动支架；移动机构包括行走轨道、移动驱动电机和滚珠丝杠；移动支架包括第一移动座、固定板、回位弹簧、第二移动座以及控制夹爪，控制夹爪固定于第二移动座上，第二移动座通过回位弹簧与第一移动座固定连接，第一移动座底部与滚珠丝杠相连接，第一移动座上部固定有固定板，固定板内侧固定有，并固定有电缆半径检测传感器；缠绕机构包括盘式导电滑环、旋转驱动电机、胶带盘以及带盘伺服电机，同时本发明同时公开了一种基于上述装置的力控绕包方法。采用上述电缆中间接头的绕包装置以及绕包方法，自动化程度高，提高绕包质量。
-
公开(公告)号：CN112406436B
公开(公告)日：2024-07-26
申请号：CN202011407057.5
申请日：2020-12-03
Applicant: 复旦大学
IPC: B60F5/02 , B64U10/70 , B64U20/87 , B64U10/14 , B62D57/032
Abstract: 本发明公开了一种空地两用复合式机器人，所述空地两用复合式机器人包含飞行器组件、摄像头、控制器、定位器、外壳以及行走机构。本发明提供的复合式的空地两用机器人，既可以实现空中飞行操作，又可以实现地面步行操作；且所述机器人以较少的动力部件实现步行的前进、后退以及转弯操作，具体的，以两个双输出电机控制8个步行足的前进、后退，通过控制舵机调整一侧步行足的步长，实现机器人的转弯。本发明提供的复合式的空地两用机器人具有重量轻，动力部件少的特点，最大可能地减少自重，增加机器人的载重能力和续航效果。
-
公开(公告)号：CN111916191B
公开(公告)日：2024-07-02
申请号：CN202010711862.0
申请日：2020-07-22
Applicant: 复旦大学
IPC: G16H40/20 , G06Q10/0639 , G06F18/25 , G06F18/214 , G06N5/04 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于医疗行为数据的医疗行为操作合规性评估系统，包括：多模态数据融合处理模块：用于对多模态的医疗行为数据进行数据融合处理，获取具有时空表征的医疗行为数据；基于云计算的数据标注模块：用于通过专家法对部分医疗行为数据进行标注，采用云计算的学习方式进行学习、分类和标注，构建数据集；直觉推理医疗行为评估模块：用于对数据集依次进行特征提取与分类、时空特征分析、根据医疗行为先验知识进行直觉推理，获取医疗行为操作合规性评估结果；边缘计算智能终端模块：用于进行数据处理以及人机交互。与现有技术相比，本发明具有实时反应能力快、数据分析全面、评价科学合理等优点。
-
公开(公告)号：CN117454246A
公开(公告)日：2024-01-26
申请号：CN202311401825.X
申请日：2023-10-26
Applicant: 复旦大学
IPC: G06F18/241 , A61B5/369 , A61B5/372 , A61B5/00 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种具备生理可解释性的运动想象脑电图解码方法。该方法首先采用基于动态参数统计映射的电生理源成像技术以捕捉源域通道间的依赖关系。在此基础上，引入了感兴趣区域选择和最大池化采样方法，以降低系统的计算复杂度和时间延迟。最后为了从全局层面充分提取源域信号的通道间相互依赖特征和时序特征，设计集成了两种注意力机制的基于通道依赖性注意力分类模型完成特征提取和分类任务。本发明提出的方法在四分类运动想象脑电任务中取得了先进的准确率，同时本发明可以通过分析信号通道权重热力图及其对应脑区的映射，从生理学角度阐述了注意力机制对于脑电信号通道依赖性的重要意义，为未来BCI技术的发展和应用提供了有益参考。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.025 seconds)
