-
公开(公告)号：CN118153433B
公开(公告)日：2024-12-10
申请号：CN202410278662.9
申请日：2024-03-12
Applicant: 北京理工大学 , 北京空间飞行器总体设计部
Abstract: 本发明公开了基于物理信息神经网络的事件触发模型学习方法，涉及人工智能技术领域，步骤一、构建系统的物理信息神经网络，完成系统的模型辨识；步骤二、根据系统模型和实时输入输出，结合无迹卡尔曼滤波器对系统进行在线状态估计；步骤三、利用状态估计结果，结合模型进行一步前向输出预测并计算预测误差，通过事件触发学习机制判断是否需要更新模型。本发明采用上述基于物理信息神经网络的事件触发模型学习方法，通过构建物理信息神经网络系统辨识方法和事件触发学习方法，提出的物理信息神经网络，结合传统的机理分析建模方法和数据驱动建模方法的优势，兼顾辨识模型可解释性的同时提高模型辨识的准确度。
-
公开(公告)号：CN118452907A
公开(公告)日：2024-08-09
申请号：CN202410553422.5
申请日：2024-05-07
Applicant: 北京理工大学
IPC: A61B5/145 , A61B5/00 , G16H50/30 , G06N3/0985 , G06F17/13 , G06N3/0442
Abstract: 本发明公开了一种基于生理信息高斯过程和元学习的餐后血糖预测系统，包括具有神经网络均值函数的高斯过程血糖预测模块、生理信息融合的优化模块以及元学习模块；具有神经网络均值函数的高斯过程血糖预测模块中的神经网络均值函数用于捕捉非线性葡萄糖动力学；生理信息融合的优化模块，将葡萄糖动力学的先验知识通过偏微分不等式描述，并以代价函数的形式嵌入到模型优化过程中；元学习模块，通过元学习方法提高模型的快速学习和泛化能力。本发明采用上述的一种基于生理信息高斯过程和元学习的餐后血糖预测系统，能够有效融入已知的血糖动态变化规律进行数据驱动学习，实现小样本下的个体化餐后血糖预测，并对预测结果的不确定性进行定量估计。
-
公开(公告)号：CN118398194A
公开(公告)日：2024-07-26
申请号：CN202410484794.7
申请日：2024-04-22
IPC: G16H50/20 , G16B20/50 , G16B40/20 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于XGBoost算法的GCK‑MODY鉴别诊断系统，包括数据采集与预处理模块和基于XGBoost算法的分类模块；数据采集与预处理模块，将采集完成的糖尿病患者的葡萄糖数据和分类标签对应整理，对葡萄糖数据进行最大最小归一化处理；将最大最小归一化处理后的葡萄糖数据作为分类模块的输入，分类标签作为分类模块的输出，进行XGBoost模型训练；XGBoost模型通过梯度提升算法最小化损失函数，并通过正则化技术来防止过拟合进行训练。本发明采用上述一种基于XGBoost算法的GCK‑MODY鉴别诊断方法及系统，实现了对于葡萄糖变化时间序列的二分类，从而在2型和GCK‑MODY基因突变型糖尿病人的区分问题中获得具有较高的准确率。
-
公开(公告)号：CN117373656B
公开(公告)日：2024-06-21
申请号：CN202311418707.X
申请日：2023-10-30
Applicant: 北京理工大学
IPC: G16H50/20 , G16H10/60 , G06F18/25 , G06F18/214 , G06F18/2321 , G06F18/24 , G06N5/04 , G06N7/01
Abstract: 本发明公开了一种基于异构数据的糖尿病弱监督分类方法，属于糖尿病类型诊断技术领域，包括：变分推理子模块，通过对去除冗余信息的静态指标数据构建高斯混合模型来拟合其分布，其后验概率分布用变分分布来近似，利用KL散度测量变分分布与后验概率的距离，最大化证据下界来求解最小KL散度，得到的潜在变量可反映出生理标志物数据的聚类归属；慢速对比学习子模块，通过对生理信号数据监测，利用慢特征分析方法挖掘动态监测数据的内在属性，形成正负样本对，构建基于慢速特征的慢速对比学习框架，学习生理信号的表征信息；证据集成模块对两个子模块结果通过改进的DS理论进行融合。本发明以在弱监督条件下构建多维互补特征与糖尿病类型间的映射关系。
-
公开(公告)号：CN117373656A
公开(公告)日：2024-01-09
申请号：CN202311418707.X
申请日：2023-10-30
Applicant: 北京理工大学
IPC: G16H50/20 , G16H10/60 , G06F18/25 , G06F18/214 , G06F18/2321 , G06F18/24 , G06N5/04 , G06N7/01
Abstract: 本发明公开了一种基于异构数据的糖尿病弱监督分类方法，属于糖尿病类型诊断技术领域，包括：变分推理子模块，通过对去除冗余信息的静态指标数据构建高斯混合模型来拟合其分布，其后验概率分布用变分分布来近似，利用KL散度测量变分分布与后验概率的距离，最大化证据下界来求解最小KL散度，得到的潜在变量可反映出生理标志物数据的聚类归属；慢速对比学习子模块，通过对生理信号数据监测，利用慢特征分析方法挖掘动态监测数据的内在属性，形成正负样本对，构建基于慢速特征的慢速对比学习框架，学习生理信号的表征信息；证据集成模块对两个子模块结果通过改进的DS理论进行融合。本发明以在弱监督条件下构建多维互补特征与糖尿病类型间的映射关系。
-
Patent Agency Ranking
公开(公告)号：CN116705230A
公开(公告)日：2023-09-05
申请号：CN202310709116.1
申请日：2023-06-15
Applicant: 北京理工大学
Abstract: 本发明公开了具有胰岛素灵敏度自适应估计的MDI决策系统及方法，包括胰岛素灵敏度自适应估计及血糖预测模块、剂量决策模块、通信与传输模块、数据存储及可视化模块、患者信息录入模块；胰岛素灵敏度自适应估计及血糖预测模块、剂量决策模块、数据存储及可视化模块、患者信息录入模块均搭载于移动设备上，移动设备经通信传输模块分别与用于持续监测患者血糖的血糖持续监测设备和胰岛素注射设备相通讯。本发明采用上述具有胰岛素灵敏度自适应估计的MDI决策系统及方法，通过具有胰岛素灵敏度估计的血糖控制算法完成餐前和基础胰岛素剂量推荐，建立本地数据库实现数据存储和数据可视化，收集患者的必要信息以辅助决策，实现面向患者需求的系统集成设计。
-
公开(公告)号：CN116527060A
公开(公告)日：2023-08-01
申请号：CN202310612606.X
申请日：2023-05-29
Applicant: 北京理工大学
Abstract: 本发明公开了基于事件触发采样的信息压缩与异常检测方法，包括以下步骤：S1、确定系统数据采样事件触发条件和阈值，完成测量变量的数据采样；S2、根据事件触发采样测量变量，设计事件触发卡尔曼滤波器重构数据；S3、利用残差分析数据进行故障检测。本发明采用上述基于事件触发采样的信息压缩与异常检测方法，可在减小传输信道传输压力的基础上，对采样后的数据进行了数据重构，并根据重构数据进行系统的故障检测，保证了后续系统性能分析的准确性和安全性。
-
公开(公告)号：CN115691788A
公开(公告)日：2023-02-03
申请号：CN202211339943.8
申请日：2022-10-27
Applicant: 北京理工大学
IPC: G16H50/20 , G06F18/241 , G06N3/049 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于异构数据的双重注意力耦合网络糖尿病分类系统，该系统基于双重注意力的LSTM‑CNN耦合网络,构造一种自适应地调整不同数据源重要性的融合方法,来学习和集成异构数据中的特征，解决了机器学习的糖尿病诊断问题中，数据的复杂和高度不稳定的问题；在FGM子网络中嵌入卷积块注意力模块(Convolutional Block Attention Module，CBAM)，为复杂序列的学习引入注意力模块来表达对特定位置的信息偏好，显著提高了网络学习性能；利用真实医学临床数据对本发明提出的系统进行了验证，基于60名受试者的真实实验数据，糖尿病类型的分类准确率达到95.835％，Matthews相关系数、F1值和G‑mean等综合性能指标分别为91.333％、94.939％和94.937％。所提方法的结果优于所有基准方法的结果，表明了糖尿病类型分类的可行性。
-
公开(公告)号：CN115462786A
公开(公告)日：2022-12-13
申请号：CN202211129281.1
申请日：2022-09-16
Applicant: 北京理工大学
Abstract: 本发明提供一种基于区间模型预测控制的人体血氧饱和度控制器，属于人体血氧饱和度调控技术领域，该控制器包括：动态预测模块及预测控制模块；动态预测模块设置有人体供氧量‑血氧饱和度的动态模型，用于根据当前检测的血氧饱和度，利用动态模型对未来血氧饱和度进行预测，并将预测结果传输给模型预测控制模块；预测控制模块，用于根据所预测的血氧饱和度与血氧饱和度目标区间的最小距离，计算血氧饱和度动态的控制信号用以控制便携式供氧设备。
-
公开(公告)号：CN114613509B
公开(公告)日：2022-11-08
申请号：CN202210425970.0
申请日：2022-04-21
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于贝叶斯优化的人工胰腺长期适应的个体化学习系统，包括个体血糖状况评估模块、个体化AP参数学习模块、贝叶斯优化模块。本发明采用上述的一种基于贝叶斯优化的人工胰腺长期适应的个体化学习系统，实施个体化AP自适应，稳健地调整AP参数(BR)，增加正常血糖时间比例，显著降低低血糖发生的风险。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.029 seconds)
