-
公开(公告)号：CN109745033A
公开(公告)日：2019-05-14
申请号：CN201811594322.8
申请日：2018-12-25
Applicant: 东南大学
IPC: A61B5/0402
Abstract: 本发明专利公开了一种基于时频二维图像和机器学习的动态心电质量评估方法，通过将一维心电信号转变为二维时频图像，并将得到的二维时频图馈送到机器学习系统中进行训练，得到一个自动且准确拣选有用穿戴式心电信号的信号质量评估模型，该模型可以对输入的时频图像进行分类，划分信号质量等级，不仅能够有效地抑制无临床诊断价值的噪声心电信号，而且能够进一步对有临床诊断价值的心电片段做进一步信号质量分类，从而提供更为直观细致的信号质量反馈信息。
-
公开(公告)号：CN109394206A
公开(公告)日：2019-03-01
申请号：CN201811350268.2
申请日：2018-11-14
Applicant: 东南大学
IPC: A61B5/0402
Abstract: 本发明专利公开了一种基于穿戴式心电信号中早搏信号的实时监测方法及其装置，通过心电信号特征提取单元提取待测心拍的R波位置，RR间期、RR间期均值、R波幅值、QRS波宽度、R波相关系数等特征参数，依次通过准早搏心拍检测单元、室性早搏检测单元、室上性早搏检测单元进行参数计算比对，实现心电信号的监测分类，早搏心拍校验单元再次通过R波相关系数来删除室性早搏心拍和室上性早搏心拍中的误检心拍，并增加漏检的室性早搏心拍，从而实现人们日常活动下的室性早搏和室上性早搏的实时、舒适监测，算法简单，操作方便，适用于移动医疗、运动监护及医疗监护等领域。
-
公开(公告)号：CN109199375A
公开(公告)日：2019-01-15
申请号：CN201811454594.8
申请日：2018-11-30
Applicant: 东南大学
IPC: A61B5/0444
Abstract: 本发明涉及一种无创胎儿心电检测装置及心电信号数据处理方法，包括心电采集前端装置和心电信号分析处理软件系统。具体包括心电采集电极、模拟数字转换模块、无线通讯模块、核心处理器模块。心电采集前端获得的信号通过无线通讯模块传输至核心处理模块，完成心电信号的质量评估、预处理、母体心电信号分析处理和胎儿心电信号分析处理等步骤，得出母体和胎儿的心率信息，结合波形形态分析，用于评估母体的健康状态和胎儿宫内状态。该装置可以实现孕妇胎儿信号的长时程，动态实时分析处理，对孕产期孕妇和胎儿健康状态监测具有重要的意义。
-
公开(公告)号：CN109044312A
公开(公告)日：2018-12-21
申请号：CN201811003334.9
申请日：2018-08-30
Applicant: 东南大学
IPC: A61B5/0225 , A61B5/023
CPC classification number: A61B5/0225 , A61B5/02108 , A61B5/02141 , A61B5/023 , A61B5/7203 , A61B5/725
Abstract: 本发明公开了一种基于柯氏音的电子血压计，包括袖带、气体压力调节模块、柯氏音提取模块、控制模块、气体压力提取模块、脉搏波提取模块和显示模块，柯氏音提取模块，用于提取柯氏音信号并对柯氏音信号进行滤波、去噪和放大处理后输出至控制模块；气体压力调节模块，用于在控制模块的控制下，对袖带进行自动充放气；气体压力提取模块，用于测量袖带内气体压力信号，并将气体压力信号输出至控制模块和脉搏波提取模块；脉搏波提取模块，用于提取气体压力信号中的脉搏波信号并输出至控制模块；显示模块用于接受控制模块的输入信号。本发明还公开了一种基于柯氏音的电子血压计的血压测量方法，本发明自动充放气、自动测量。
-
公开(公告)号：CN119818025A
公开(公告)日：2025-04-15
申请号：CN202411871484.7
申请日：2024-12-18
Applicant: 东南大学
Abstract: 本发明专利公开了一种基于多维认知功能超图的多模态认知障碍评测系统，包括多模态信号采集系统、认知功能评测范式设计、各模态通用特征提取框架与基于多维认知功能的在线超图学习。系统基于多模态生理与行为信号，构建了包含认知功能维度评测范式，从而实现对老年认知功能的全面评估。首先通过融合脑电、心电、语音和面部表情等多模态信号，实时记录和分析用户在不同任务和情境下的生理和行为反应。然后挖掘多模态信号之间的融合表征，生成统一的特征表示，并引入了临床知识的在线超图，捕捉复杂的多模态数据关系，提供包含认知功能评估的分析结果。最终，结合上述技术手段，系统能够实现对认知障碍的早期检测。
-
Patent Agency Ranking
公开(公告)号：CN119205802B
公开(公告)日：2025-02-28
申请号：CN202411687403.8
申请日：2024-11-25
Applicant: 东南大学
IPC: G06T7/10 , G06T7/00 , G06N3/0499 , G06N3/0895 , G06N3/096 , G06F3/01
Abstract: 本发明公开了一种眼动引导混合数据增强的半监督医学图像分割方法，步骤如下：通过眼动追踪设备收集医生阅读医学图像时的注视位置信息；使用教师—学生网络模型并采用两阶段训练方式训练模型；采用GazeMix作为训练中的数据增强策略，提取标注或未标注图像中的注视区域，将其粘贴到其他未标注图像的背景上，生成混合图像数据对；一阶段结合GazeMix数据增强策略预训练教师网络；二阶段训练学生网络，GazeMix生成多样化数据，同时预训练教师网络用于伪标签生成；采用多尺度注视感知，在不同尺度上提取模型感知信息并用于感知损失计算；优化器对学生网络参数进行迭代优化，同时使用指数移动平均方法更新教师网络。
-
公开(公告)号：CN119205822A
公开(公告)日：2024-12-27
申请号：CN202411698289.9
申请日：2024-11-26
Applicant: 东南大学
IPC: G06T7/11 , G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双域交融网络的胰腺及肿瘤、十二指肠联合分割方法，具体如下：使用临床多中心腹部CT图像作为数据集，利用先验信息对腹部CT预处理；对处理后的图像采用粗‑细两阶段分割，首先将图像输入到粗分割网络中得到胰腺、胰腺肿瘤以及十二指肠的大致位置信息；在细分割阶段中，首先进行双域构建，其次，将双域图像同时输入到双域融合分割网络中，在双域融合分割分割网络中使用环状多层次注意力模块获取柱状空间域全局连续注意力；分别对物理空间域和柱状空间域进行编码，并使用跨域信息融合模块实现域间融合的过程；在双域融合网络中得到最终的多器官分割结果。
-
公开(公告)号：CN118925078A
公开(公告)日：2024-11-12
申请号：CN202411200222.8
申请日：2024-08-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于γ波多感官刺激和闭环神经调控的认知训练系统及方法，其中系统包括中央控制模块、生物电生理监测模块、光闪烁刺激模块和声音刺激模块。中央控制模块为一段计算机程序，包括了用户交互界面和数据分析反馈算法；脑电检测模块配有脑电传感器，通过蓝牙与中央控制模块连接；光闪烁刺激模块通过蓝牙与中央控制模块连接；声音刺激模块通过蓝牙与中央控制模块连接；光闪烁刺激模块与声音刺激模块电性连接。该认知训练系统允许使用者在中央控制模块处监测整个模块的运作状态，发送指令控制整个模块的运作；并且可以根据生物电生理监测模块的实时反馈数据，自适应地调整刺激的参数，以达到最佳干预效果。
-
公开(公告)号：CN118749939A
公开(公告)日：2024-10-11
申请号：CN202410752507.6
申请日：2024-06-12
Applicant: 东南大学
IPC: A61B5/05 , A61B5/11 , A61B5/00 , G06F18/10 , G06F18/214 , G06F18/24 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种非接触式心震信号获取及信号处理方法及装置，其中方法包括：步骤S1：获取雷达回波信号并对雷达回波信号进行过滤，并基于过滤后的雷达回波信号构建距离‑多普勒矩阵；步骤S2：基于距离‑多普勒矩阵进行初步目标检测和目标评估，判断是否含有活体目标；步骤S3：当含有活体目标时，基于过滤后的雷达回波信号确定活体目标的位置和运动学参数；步骤S4：基于活体目标的位置和运动学参数得到目标波动程度，并基于该波动程度判断活体目标是否处于稳定状态，若为是，则基于过滤后的雷达回波信号生成初始心震信号；步骤S5：将初始心震信号输入至训练好的信号重建模型，得到高质量的重建心震信号；步骤S6：对重建心震信号进行等长分割和逐拍分割得到分割结果。与现有技术相比，本发明具有提高准确率和速度等优点。
-
公开(公告)号：CN118568697A
公开(公告)日：2024-08-30
申请号：CN202410693527.0
申请日：2024-05-31
Applicant: 东南大学
IPC: G06F21/32 , G06F18/21 , G06F18/2415
Abstract: 本发明公开基于多模态心脏信号的身份识别方法及系统，属于生理指纹识别技术领域；基于多模态心脏信号的身份识别方法包括：对获取的PPG和PCG信号进行滤波处理和归一化处理；根据PPG的波形特点对处理后的PPG信号进行峰值检测，对收缩期的峰值进行定位；基于定位到的PPG收缩期峰值，对PPG进行切分，保留峰值前以及峰值后一段固定时间的信号；对PCG信号进行降采样处理，使其频率和PPG相同，基于定位到的PPG收缩期峰值对PCG信号进行切分，保留峰值前以及峰值后一段固定时间的信号；利用深度学习的方法完成对经过切分后保留峰值前后一段固定时间的PPG和PCG信号进行多模态融合，并进行训练，得到最终的识别结果；制定评价指标对身份识别任务结果进行评价。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.021 seconds)
