-
公开(公告)号：CN117653137A
公开(公告)日：2024-03-08
申请号：CN202311523454.2
申请日：2023-11-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346
Abstract: 一种基于对比学习和多尺度双维注意力机制的心电分类方法，涉及心电信号分类技术领域，设计了MFE‑ResNet网络模型以解决未充分建模特征在通道和时间上的相关性问题。该模型包括并行卷积模块、Batch_Norm层、Relu激活函数层、并行的残差和空洞卷积模块、多尺度双维注意力模块以及融合模块。能够有效提取心电信号的特征表示，弥补传统模型的不足，并提高特征捕捉能力。
-
公开(公告)号：CN117357129A
公开(公告)日：2024-01-09
申请号：CN202311499058.0
申请日：2023-11-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院
Abstract: 一种针对可穿戴式设备的心电图QRS波形检测方法，涉及心电信号处理技术领域，使用了一个新的心电信号波形检测网络S2TE_Net，该网络使用了时空特征提取模块和激励挤压模块相结合，以实现对QRS波形的准确检测。在时空特征提取模块中，使用了卷积神经网络(CNN)和双向长短期记忆网络(Bi‑LSTM)的结合体。CNN可以捕捉时间序列数据中的空间特征，Bi‑LSTM可以捕获ECG信号中存在的时间特征并平滑高频噪声，从而在可穿戴式设备中获得更准确的QRS波形检测结果。
-
公开(公告)号：CN114780866B
公开(公告)日：2022-11-01
申请号：CN202210376638.X
申请日：2022-04-11
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9536 , G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 一种基于时空上下文兴趣学习模型的个性化智能推荐方法，使用图神经网络建模用户历史签到行为序列，通过创新图消息传播与聚合的拉普拉斯范数，融合兴趣点之间的交互关联性及空间关联性来获取兴趣点的高阶特征表示。同时编码日模式创新性的获取到了用户的长期兴趣，并使用长短期记忆网络捕获用户短期行为模式作为短期兴趣，通过层间注意力获取长短期兴趣。在此基础上进行候选兴趣点的概率计算作为推荐依据。通过图卷积的方式提高了兴趣点的特征提取效果，充分利用时空上下文挖掘用户的兴趣，以此进行推荐提高准确率，解决用户的出行需求。
-
公开(公告)号：CN117958834B
公开(公告)日：2024-07-23
申请号：CN202311541071.8
申请日：2023-11-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346 , A61B5/00 , G06F18/241 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0895 , G06N3/084
Abstract: 一种基于随机掩码和生成式自监督学习的心电分类方法，涉及ECG心电分类技术领域，将原始心电信号在一定约束下将导联信号随机遮掩破坏掉原始心电信号的完整性，使其信号的大部分时空信息被随机掩盖，然后再设计一种高效的编码器生成随机掩蔽策略下的信号，重构在时间和导联维度上遮掩的导联心电信号来学习时空表征。并且为提高编码器对局部特征的感受能力，编码器中引入注意力机制和增加卷积层的步幅、从而扩大神经元的感受野增加对局部特征的感知能力。
-
公开(公告)号：CN117291941B
公开(公告)日：2024-07-09
申请号：CN202311329962.7
申请日：2023-10-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于边界和中心点特征辅助的细胞核分割方法，涉及医学图像处理领域，通过编码器和解码器网络实现训练，使得训练后的网络能够从病理图像中找到细胞核的边界、中心点、细胞核这些外观特征，实现了由点到线再到面的特征约束，通过设计特定的中心点损失函数与边界加权模块bwm,保证了输入图片信息的完整性，提高了对细胞核分割的准确性。同时借助计算机视觉和图像处理技术，可以实现自动化的细胞核分割，大大提高了分割的准确性和效率。既可以节省人力资源，也加快研究和诊断的进程。
-
Patent Agency Ranking
公开(公告)号：CN117338310B
公开(公告)日：2024-04-09
申请号：CN202311523667.5
申请日：2023-11-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346
Abstract: 一种基于对比学习和多尺度特征提取的心电信号分类方法，涉及心电信号分类技术领域，SE‑ResNeXt‑CAN网络模型由浅层特征提取模块、第一SERM模块、第二SERM模块、第一CARM模块、第二CARM模块构成，SE‑ResNeXt‑CAN网络模型通过多个模块的组合和优化，自适应地学习各个通道之间的关联性，扩大感受野，充分捕捉关键特征，提升了心电信号分类任务的性能和泛化能力。
-
公开(公告)号：CN116509415B
公开(公告)日：2024-01-26
申请号：CN202310431752.2
申请日：2023-04-21
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于信号分量的单元化形态学特征的降噪方法，对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别，并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显，可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好，对不同类型的心电信号降噪性能同样有效。
-
公开(公告)号：CN116509415A
公开(公告)日：2023-08-01
申请号：CN202310431752.2
申请日：2023-04-21
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于信号分量的单元化形态学特征的降噪方法，对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别，并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显，可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好，对不同类型的心电信号降噪性能同样有效。
-
公开(公告)号：CN115357805A
公开(公告)日：2022-11-18
申请号：CN202210920144.3
申请日：2022-08-02
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院 , 齐鲁工业大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 一种基于内外部视角的群组推荐方法，基于外部视角，将群组与餐厅和用户与餐厅的交互看作两个独立的过程，利用图卷积分别学习这两种交互行为中隐含的偏好信息，使模型学习到用户作为个体时的个人偏好以及群组作为整体时的固定偏好。基于内部视角，将群组决策过程中成员之间存在的互动商讨过程考虑在内，采用图注意力神经网络学习此过程中产生的成员间的相互影响，使模型能够准确捕捉受影响后的成员偏好变化。基于内部视角，不同成员在群组中的作用与影响力不同，导致在群组决策中的贡献度不同，采用注意力机制学习成员贡献度大小，能够以一种动态的方式学习聚合策略，更好的权衡不同成员的偏好，解决偏好冲突问题。
-
公开(公告)号：CN114741572A
公开(公告)日：2022-07-12
申请号：CN202210364463.0
申请日：2022-04-08
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9035 , G06F16/9038 , G06F16/906
Abstract: 一种基于图卷积神经网络群组发现的群组推荐方法，根据电影主题类别将用户—电影交互数据划分为数据子集，使用各数据子集构建用户—电影交互图，通过图卷积网络从交互图中学习用户/电影嵌入表示，然后利用Kmeans算法进行群组发现，通过均值融合策略，将群组成员嵌入表示融合为群组嵌入表示，最后将群组嵌入表示与电影嵌入表示进行内积得到群组对电影的预测偏好得分，根据偏好得分向群组推荐电影。侧重于群组发现阶段的用户嵌入获取方法，考虑了群组的内部一致性对群组推荐算法性能的影响，将用户—电影的交互信息融入用户/电影的特征信息之中，提高了群组发现中的用户嵌入表示的准确度，进而增强了群组推荐算法的性能。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.056 seconds)
