-
公开(公告)号：CN112450879A
公开(公告)日：2021-03-09
申请号：CN202011199038.8
申请日：2020-10-31
Applicant: 复旦大学
IPC: A61B5/00 , A61B5/1455 , A61B5/16
Abstract: 本发明属于脑科学认知技术领域，具体为一种环境光调制大脑认知功能的近红外光谱探测方法。本发明方法利用功能性近红外光谱技术，结合认知行为心理学的经典范式Stroop，针对与人脑认知功能具有较强相关性的大脑前额叶区域，探索环境光变化对人脑认知功能的影响；包括设计实验环境，设计心理学Stroop实验刺激规则，设计实验流程，搭建实验系统，配置探测通道；采用Stroop心理学测试法结合功能近红外光谱法进行测试；最后进行fNIRS数据处理；得到不同光照条件下大脑激活区域图像，并通过t检验得到不同光照条件下具有显著差异（P
-
公开(公告)号：CN112446298A
公开(公告)日：2021-03-05
申请号：CN202011199042.4
申请日：2020-10-31
Applicant: 复旦大学
Abstract: 本发明属于光谱探测、人工智能技术领域，具体为一种小麦赤霉病的高光谱无损检测方法。本发明采用卷积神经网络模型同时处理小麦患病籽粒的光谱信息和空间信息；具体包括：利用高光谱成像系统采集小麦籽粒样本，得到高光谱图像数据集；对高光谱图像进行预处理，得到各波段小麦籽粒的平均光谱反射率；利用SPA连续投影算法，得到保留原始图像大量非线性信息的特征波段；制作小麦籽粒的RGB数据集和特征波段数据集；搭建卷积神经网络模型：LeNet‑5卷积神经网络；用小麦籽粒高光谱特征波段、RGB通道下的数据集进行模型训练，得到最优的小麦籽粒赤霉病识别模型；利用该识别模型即可检测小麦赤霉病情形。本发明可显著提高小麦赤霉病识别的准确率。
-
公开(公告)号：CN107135578B
公开(公告)日：2020-01-10
申请号：CN201710429403.1
申请日：2017-06-08
Applicant: 复旦大学
Abstract: 本发明属于无线灯控技术领域，具体为基于“TonaLighting”调节技术的智能音乐和弦‑氛围灯系统。该系统包括硬件灯控和软件分析两个部分，硬件灯控包括：控制器、LED灯；软件分析部分为“TonaLighting”程序系统，该程序系统首先对和弦音进行自动识别和分类，并对和弦音出现的时刻进行标记；然后根据“TonalColor”方案，确定与标记的和弦音相对应的RGB组合，同时读取音乐片段、和弦出现时刻列表和音乐和弦‑RGB组合列表，获得灯控指令，传输给灯控部分控制器，控制灯光颜色随音乐变化而实时改变；并根据控制命令改变LED灯光颜色。本发明可应用于不同的娱乐场景、娱乐教学以及对自闭症、脑卒中、脑损伤、植物人等其他神经疾病患者的音乐治疗。
-
公开(公告)号：CN109784412A
公开(公告)日：2019-05-21
申请号：CN201910063463.5
申请日：2019-01-23
Applicant: 复旦大学
Abstract: 本发明属于生物特征识别技术领域，具体涉及一种用于步态分类的基于深度学习的多传感器信号融合方法。本发明通过构建深度神经网络对异常步态进行分类，并利用卷积神经网络对来自IMU惯性传感单元和SEMG表面肌电的多源异构信息源数据进行融合；融合内容包括数据层（CNN输入层）、特征层（CNN池化层1至卷积层2）以及决策层（CNN输出层）融合，从而完备提取多源异构传感器信息，提高分类器分类精度，同时减少数据预处理工作量，提高分类准确度与判别效率。经验证，本发明在多种异常步态分类任务中分类效果较单模态传感器有显著提升，在实施例中所举异常步态六分类任务中，分类准确率达到99.15%，较单IMU信息源CNN网络提升约三个百分点。
-
公开(公告)号：CN109770912A
公开(公告)日：2019-05-21
申请号：CN201910063488.5
申请日：2019-01-23
Applicant: 复旦大学
IPC: A61B5/11
Abstract: 本发明属于生物特征识别技术领域，具体为一种基于深度卷积神经网络的步态异常识别方法。本发明方法包括：利用穿戴于人体的IMU采集人体正常行走以及模拟典型异常步态行走时的信号，得到不同步态下的三轴加速度信息；根据目标典型行走步频将原始数据做开窗切割预处理并根据步态类别将各数据队列打上相应标签；CNN深度卷积神经网络，其包括卷积层一、卷积层二、池化层一、池化层二、全连接层以及softmax输出层；最后将数据标签对分成训练集与测试集，训练集送入CNN进行训练，训练完成后利用测试集评估模型分类效果。本发明省却了繁复的步态周期划分与特征提取工程，提高了对多种异常步态的分类准确率，减少了数据预处理工作量，提高了分类准确度。
-
Patent Agency Ranking
公开(公告)号：CN107788991A
公开(公告)日：2018-03-13
申请号：CN201711013940.4
申请日：2017-10-26
Applicant: 复旦大学
IPC: A61B5/11 , A61B5/103 , A61B5/0488 , A61B5/00
Abstract: 本发明属于医疗设备技术领域，具体一种可穿戴式下肢康复评估系统。本发明包括下肢信号采集系统和上位机及其应用软件系统；其中，下肢信号采集系统用于对康复患者下肢运动信号、肌电信号和足底压力信号采集、发送，包括绑带模块、信号采集模块、信号处理模块、信号发送模块、供电模块；信号采集模块以可拆卸的方式连接在绑带模块中，信号处理模块、信号发送模块、供电模块安装在绑带模块上，不影响康复患者的正常生活；康复训练软件系统利用得到的数据计算得出步距、步态分析、踝关节活动度、肌电，平衡状态，足底压力分布，膝关节活动度，相关肌群的肌力评估等信息，为康复师提供更专业更全面的评测数据，同时给患者提供更专业的指导。
-
公开(公告)号：CN107788976A
公开(公告)日：2018-03-13
申请号：CN201710864522.X
申请日：2017-09-22
Applicant: 复旦大学
IPC: A61B5/0476 , A61B5/0478 , A61B5/00
CPC classification number: A61B5/0476 , A61B5/0478 , A61B5/4806
Abstract: 本发明属于睡眠监测技术领域，具体为一种基于振幅整合脑电图的睡眠监测系统。本发明系统利用碳海绵材料制备的柔性脑电电极来获取脑电信号，通过放大、滤波、模数转换和蓝牙传输，将处理后的脑电信号实时传输到移动设备；在移动设备上，通过对脑电信号的转换，获取振幅整合脑电信号，再结合特征提取的算法得出多种振幅整合脑电信号特征信息，并通过机器学习算法对其进行睡眠阶段分类，从而实现睡眠状态和质量的分析和监测；最后将分析得到的睡眠数据和原始脑电信号实时动态上传到云平台上，通过知识推理机实现远程医疗辅助和临床决策支持。本发明系统操作简单，适用范围广，有利于用户实时了解自己的睡眠质量，合理地调节自身睡眠习惯从而达到预防隐性疾病的发生。
-
公开(公告)号：CN114788701B
公开(公告)日：2025-04-25
申请号：CN202210400219.5
申请日：2022-04-15
Applicant: 复旦大学
IPC: A61B5/297 , A61B5/256 , A61B5/16 , A61B5/11 , A61B5/398 , A61B5/389 , A61B5/369 , A61B3/113 , A61B5/00
Abstract: 本发明属于人体动作监测技术领域，具体为一种基于多通道阵列眼电电极的眼动检测分析系统。本发明包含采集模块及下位机和上位机；两者间通过有线或无线方式进行数据传输；采集模块及下位机包括前端采集设备和信号处理硬件电路；上位机是装载有信号分析和信息展示程序的客户端电脑；客户端接收下位机采集的信息并将分析结果展现在用户图形界面中。采集设备中设有多通道阵列眼电电极，用于采集眼动信息及相关生理信息,并通过信号处理解析方法及智能算法，对采得的多源多维度生理信号进行处理，有效地对带有微表情的眼动情况进行检测。采集模块及下位机布设于可穿戴头带式结构中；本发明系统获得分析眼动事件的信息更丰富，用户体验更舒适。
-
公开(公告)号：CN118078311A
公开(公告)日：2024-05-28
申请号：CN202410178642.4
申请日：2024-02-09
Applicant: 复旦大学
IPC: A61B5/397 , G06F18/214 , G06F18/23 , G06F18/213 , G06F18/2411 , G06F18/243 , G06N3/0464 , A61B5/00 , A61C19/05
Abstract: 本发明属于肌电模式识别技术领域，具体为基于多源域迁移的跨个体高密度肌电信号咬合动作识别方法。本发明方法通过采集两侧颞肌处的高密度肌电信号，建立低复杂度的多源域迁移跨个体咬合动作识别模型；具体利用高密度肌电数据的高时空分辨率，获取更丰富的肌肉激活信息；同时结合深度学习与迁移学习方法，将输入形式从一维时序信号转化为二维图像，通过公共网络部分提取特征并与多个源进行比较，选择最相似的源对应的分类器进行微调，最终得到分类结果。实验结果表明本发明对于跨个体的咬合动作识别具有较高的分类精度，能够有效减小个体差异性等因素对模型鲁棒性的影响，有助于后续用于现实场景下的人机交互系统。
-
公开(公告)号：CN116889379A
公开(公告)日：2023-10-17
申请号：CN202310853933.4
申请日：2023-07-12
Applicant: 复旦大学
IPC: A61B5/00 , A61B5/398 , A61B5/374 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明属于睡眠健康管理技术领域，具体为一种基于伪孪生网络架构的异构睡眠分期方法。本发明方法包括：对原始脑电、眼电信号的采集、分期、标注，进行预处理；将预处理后的信号与相对应分期标注进行对齐，得到有标注的睡眠分期数据；使用睡眠分期数据训练基于伪孪生网络架构的异构数据睡眠分期模型，训练时同时输入脑电和眼电信号，提取特征后进行相似度计算；通过学习网络参数以增强不同信号的特征相似度，得到异构数据睡眠分期网络；使用异构数据睡眠分期网络识别睡眠阶段；本发明在训练阶段采用更多信息，可以提升睡眠分期模型性能，实现针对异构数据的自动睡眠阶段分期，具有广泛的临床应用前景。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.024 seconds)
