-
公开(公告)号：CN113749668B
公开(公告)日：2022-08-09
申请号：CN202110971350.2
申请日：2021-08-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度神经网络的可穿戴心电图实时诊断系统，属于医疗器械技术领域，包括：信号采集模块和主控模块，所述信号采集模块，用于采集12导联心电图；所述主控模块包括嵌入FPGA的诊断模型，所述诊断模型为训练好的深度神经网络，所述主控模块，用于对12导联心电图进行实时诊断，在诊断过程中FPGA中的卷积加速器采用分时复用的方式为诊断模型中的每个卷积层配置参数完成卷积运算，得到诊断结果。本发明将诊断模型嵌入FPGA，减少对网络传输的依赖，实现了实时诊断，采用12导联心电图作为输入数据进行预测，提高诊断结果准确率，设计可重构卷积加速器，从而大大提高计算性能，满足可穿戴心电设备进行实时检测和准确诊断的要求。
-
公开(公告)号：CN113191396A
公开(公告)日：2021-07-30
申请号：CN202110381449.7
申请日：2021-04-09
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于数据隐私安全保护的建模方法和装置，属于数据隐私安全保护技术领域，所述方法包括：S1：数据所有方利用密钥矩阵对训练集进行加密转换得到加密训练集；并将加密训练集发送给模型及算力提供方，密钥矩阵基于训练集的特性进行定义；S2：模型及算力提供方基于加密训练集构建线性回归模型，并对线性回归模型进行训练得到加密数据模型；S3：数据所有方接收模型及算力提供方反馈的加密数据模型，并调用密钥矩阵对加密数据模型进行解密得到目标数据模型。本发明能够实现安全、高效、且简单的建立数据模型，由此解决现有数据隐私安全保护计算框架中存在安全难以保证、加密解密过程繁琐等的技术问题。
-
公开(公告)号：CN113094822A
公开(公告)日：2021-07-09
申请号：CN202110268518.3
申请日：2021-03-12
Applicant: 华中科技大学
IPC: G06F30/17 , G06F30/27 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种机械设备剩余寿命预测方法和系统，属于状态监测与剩余寿命预测领域。本发明将卷积神经网络与双向门控循环单元相结合组成混合神经网络，以便有效地提取时间和空间特征，提高剩余寿命预测精度，此基础上，在混合神经网络中引入了注意力权重，采用混合神经网络和优化遗传算法的协同训练机制，遗传算法通过不断传递参数和反馈损失来寻找最佳注意力权重参数，优化了剩余寿命预测中不同时间步长的注意力权重分布，使得不同时间步长的重要性得以准确体现，相较于一些传统的机器学习方法和深度学习，其均方根误差、预测得分均低得多，有效解决了现有剩余寿命预测精度不高的问题。
-
公开(公告)号：CN112826513A
公开(公告)日：2021-05-25
申请号：CN202110005160.5
申请日：2021-01-05
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习和特异性矫正在FECG上胎儿心率检测系统，属于胎心心电图上的胎儿心率检测领域。本发明通过独立成分分析、深度神经网络、一维目标检测、特异性模型诊断等方法，由于卷积神经网络和循环神经网络在处理一维信号方面性能优越，本发明将当下热门的目标检测技术迁移到一维信号上搭建出一个全部基于深度学习的针对胎心心电图的完整检测框架，同时又使用一个特异性矫正模型消除个体差异从而解决机器学习应用到医学问题上经常出现的因病人个体差异导致的模型泛化能力差的问题，从而实现了基于胎心心电图的胎儿心率准确监测，可用于临床诊断。
-
公开(公告)号：CN112229553A
公开(公告)日：2021-01-15
申请号：CN202011161530.6
申请日：2020-10-26
Applicant: 华中科技大学
IPC: G01L1/24
Abstract: 本发明公开了一种基于光衰减的柔性触觉传感器、阵列及其制备方法，属于传感技术领域，柔性触觉传感器包括：激光光源、第一光纤、柔性穹顶、第二光纤、光电传感器和柔性光纤耦合器，柔性穹顶通过柔性光纤耦合器粘附在软体物表面，第一光纤和第二光纤的一端与柔性穹顶对准，另一端分别与激光光源和光电传感器相连，激光光源产生的激光依次经过第一光纤传输、柔性穹顶反射以及第二光纤传输后到达光电传感器，光电传感器用于计算接收到的激光的光强度，光强度由软体物表面上所承受的力确定。可保持软体机器人的顺应性，快速响应环境刺激，快速感知周围环境接触力，解决软体机器人缺乏触觉感应的问题。
-
Patent Agency Ranking
公开(公告)号：CN112184773A
公开(公告)日：2021-01-05
申请号：CN202011064308.4
申请日：2020-09-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习的安全帽佩戴检测方法及系统，属于安防监控领域，包括以下步骤：S1、在服务器端，对现场所有摄像头视频进行运动物体检测，并将摄像头视频中的各运动目标提取出来，得到运动目标图像；S2、将运动目标图像输入到预训练好的安全帽检测模型中，对安全帽的佩戴情况进行检测；其中，安全帽检测模型为深度学习模型；用于训练所述安全帽检测模型的数据集包括标注有工人是否佩戴安全帽的图像。本发明充分利用了现场工人的人体信息和大量摄像头的视频数据，通过提取摄像头视频中的运动目标，对摄像头视频中的无效信息进行过滤，然后基于深度学习模型对运动目标图像进行检测，得到安全帽的佩戴情况，精确度较高，速度较快。
-
公开(公告)号：CN111774932A
公开(公告)日：2020-10-16
申请号：CN202010611530.5
申请日：2020-06-30
Applicant: 华中科技大学无锡研究院
IPC: B23Q17/09
Abstract: 本发明涉及刀具监测技术领域，具体公开了一种刀具健康状况在线监测方法，其中，包括：获取机床主轴的实时控制信号，其中所述机床主轴的实时控制信号包括与机床主轴的控制电流信号对应的电压信号；对所述机床主轴的实时控制信号进行处理，并得到设置在机床主轴上的当前刀具的健康状况；输出机床主轴上的当前刀具的健康状况。本发明还公开了一种刀具健康状况在线监测装置及系统。本发明提供的刀具健康状况在线监测方法能够准确分辨刀具磨损程度，且能够在更准确的时间点将磨损刀具更换，更有利于生产工厂节省加工成本，提高产品竞争力。
-
公开(公告)号：CN111446002A
公开(公告)日：2020-07-24
申请号：CN202010163049.4
申请日：2020-03-10
Applicant: 华中科技大学
IPC: G16H50/80
Abstract: 本发明公开了一种基于人工智能的新型冠状病毒患者病况分类系统，属于病况分类领域，包括：分类模型获取模块，用于训练一个或多个根据患者数据对患者病况进行分类的二分类模型，并从中获取准确性最高的二分类模型作为目标模型，同时确定患者数据中的可解释的特征；预处理模块，用于提取待分类患者数据中的可解释的特征后，对所提取的特征进行预处理，以填充其中的缺失值并替换其中的异常值，从而在预处理结束后得到待分类特征；病况分类模块，用于以待分类特征为目标模型的输入，利用目标模型完成对待分类患者的病况分类。本发明提出了一种稳定性、鲁棒性以及准确性均满足要求的分类系统，能够解决新型冠状病毒患者病况分类的问题。
-
公开(公告)号：CN111265210A
公开(公告)日：2020-06-12
申请号：CN202010211091.9
申请日：2020-03-24
Applicant: 华中科技大学
IPC: A61B5/0402 , A61B5/00
Abstract: 本发明属于心电图房颤预测领域，具体公开一种基于深度学习的房颤预测装置和设备，装置包括：信息提取模块，用于获取多导联原始心电图数据，并得到该导联对应的心电图节律信息；信息处理模块，用于采用滤波器确定心电图节律信息中R点位置以及各R点位置对应的心跳周期及其波形信息，以构建波形信息集合；采用降噪自编码器分别对每个心跳周期对应的波形信息集合进行特征提取和降维，得到该波形信息集合对应的多维特征数据，并计算其中每个维度特征数据的均值和方差；结果预测模块，用于按照时间顺序，将不同心跳周期对应的多维特征数据的均值和方差与该心跳周期的自适应阈值比较，判断该心跳周期是否发生房颤。本发明提高了房颤预测的正确性。
-
公开(公告)号：CN110161371B
公开(公告)日：2020-05-19
申请号：CN201910396777.7
申请日：2019-05-14
Applicant: 华中科技大学
IPC: G01R31/08
Abstract: 本发明公开了一种基于负阻尼转矩的电力系统振荡源定位方法，包括：根据扰动后各机组对时间序列的角速度变化量和功角变化量采样，建立各机组的理论状态矩阵和各机组系统动力学方程；对各机组的理论状态矩阵进行局部多项式估计，获取状态值导数的估计和状态值的估计；根据状态值导数的估计、状态值的估计以及各机组系统动力学方程，利用非线性最小二乘获取振荡阻尼转矩系数；判断各机组的振荡阻尼转矩系数是否小于零，若小于零则对应机组为引发低频振荡的振荡源机组。本发明通过振荡情况下的阻尼矩阵系数的辨识可准确快速地定位电网中的低频振荡源。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.028 seconds)
