-
公开(公告)号：CN109011145A
公开(公告)日：2018-12-18
申请号：CN201810911083.8
申请日：2018-08-10
Applicant: 复旦大学
IPC: A61N1/36 , A61B5/0402 , A61M21/02
CPC classification number: A61N1/36014 , A61B5/0402 , A61M21/02 , A61M2021/0027 , A61N1/36053
Abstract: 本发明属于医疗器械技术领域，具体为一种多功能的耳迷走神经刺激仪。包括电源、触控按键、蓝牙模块、控制模块、脉冲波形调制模块、阻抗检测模块、刺激电极、心电模块、心电电极、音频处理模块和音频输出模块；控触按键、控制模块和蓝牙模块组成人机交互部分；脉冲波形调制模块、阻抗检测模块、刺激电极组成刺激输出部分；所述心电模块和心电电极组成心电监测部分，将实时的心电信号发送给主控芯片；音频处理模块、音频输出模块和蓝牙用于实现蓝牙耳机的功能，将蓝牙上传的音频信息解码并转换为音频输出。本发明生成的多种刺激波形能够满足不同的治疗方案；可充分适应用户的使用场景和治疗时的各种状态，减缓治疗压力，增加用户日常的实用性。
-
公开(公告)号：CN118056965A
公开(公告)日：2024-05-21
申请号：CN202211445833.X
申请日：2022-11-18
Applicant: 复旦大学 , 中山金色医疗科技发展有限公司 , 中山复旦联合创新中心
Abstract: 本发明公开的一种智能设备使用规划密码箱，包括：箱体，用于存放智能设备，具有相互连接的壳体和盖体；锁紧模块，连接在所述壳体和盖体之间；主控模块，设于所述箱体内，所述主控模块与所述锁紧模块相连以控制所述锁紧模块的开启与关闭；信息传输模块，设于所述箱体内，所述信息传输模块连接在所述智能设备与所述主控模块之间以获取所述智能设备的信息；交互模块，设于所述箱体外，所述交互模块与所述主控模块相连以展示并访问所述智能设备和锁紧模块的信息和功能。本发明公开的一种智能设备使用规划密码箱可减少智能设备的使用时间、并可应付紧急情况。
-
公开(公告)号：CN113910217B
公开(公告)日：2023-12-01
申请号：CN202010993992.8
申请日：2020-09-21
Applicant: 复旦大学
IPC: B25J9/16
Abstract: 本发明提供了一种听视觉协同的人形机器人头部定向方法，其特征在于，主要包括如下步骤：首先通过麦克风阵列采集语音信号并记录时间；然后利用人声识别方法识别，统计采集到人声的麦克风数量；接着在人声麦克风数量大于1时根据时间设定候选目标方位；然后转动摄像头并采集视频；又从视频中获取人脸图像帧，利用人脸辨识方法辨识得到人脸辨识结果，并统计人脸数量；继而在人脸数量大于1时计算人脸面积并排序；接下来根据排名设定候选目标人脸；然后利用唇动检测算法实现唇动识别；接着在出现唇动的人脸数量大于1时根据面积设定目标方位；最后转动人形机器人头部实现定向。本发明能让人形机器人区分人声与其他声音并能准确地与目标人声进行交互。
-
公开(公告)号：CN111444747B
公开(公告)日：2023-09-29
申请号：CN201910043745.9
申请日：2019-01-17
Applicant: 复旦大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/096
Abstract: 本发明提供一种基于迁移学习和空洞卷积的癫痫状态识别方法，包含步骤：S1、提取每组原始癫痫脑电图信号特定频率下的若干个小波包系数组作为一个特征组；S2、去除特征组中显著相关的小波包系数组，实现对特征组降维；降维后特征组的每个小波包系数均为一个特征值；S3、标准化处理从若干组原始癫痫脑电图信号提取的所有特征值；S4、将经标准化处理的的所有特征值作为测试数据集，将现有癫痫脑电图信号特征数据库中的特征作为训练数据集；通过改进的CMJAE迁移学习方法实现跨领域知识迁移，并通过二维空洞卷积神经网络作为分类器，迭代获取测试数据集的分类结果；S5、采用十折交叉验证法，验证分类准确性。
-
公开(公告)号：CN115624336A
公开(公告)日：2023-01-20
申请号：CN202211185201.4
申请日：2022-09-27
Applicant: 复旦大学
IPC: A61B5/37 , A61B5/383 , A61B5/386 , A61B5/388 , A61B5/293 , A61B5/294 , A61B5/268 , A61B5/263 , A61B5/055
Abstract: 本发明属于医疗器械领域，具体为一种核磁兼容的神经电刺激‑电记录系统及其制备方法。本发明由导电聚合物溶液经湿法纺丝形成纤维神经电极，然后将纤维神经电极进行绝缘处理，随后与印刷电路板连接，组装得到核磁兼容的神经电刺激‑电记录系统。本发明制备的纤维神经电极具有低阻抗、高电荷注入和存储能力、以及优良的核磁兼容性。组装的神经电刺激‑电记录系统可以获得全脑完整功能核磁共振图像，同时可在动物脑内进行多通道神经电刺激和电生理记录，为大脑活动的多模态观察提供了一种有效的平台，在脑科学研究、脑疾病的诊疗方面具有巨大应用潜力。
-
Patent Agency Ranking
公开(公告)号：CN113577559B
公开(公告)日：2022-07-26
申请号：CN202111030407.5
申请日：2021-09-03
Applicant: 复旦大学
Abstract: 本发明公开一种基于多信号的闭环深部脑刺激装置、系统及设备，其中装置实现的方法包括：基于实时获取的任一目标对象的多个生理信号数据分别计算相应的刺激参数；多个生理信号数据包括体表生理信号数据和/或肢体运动信号数据、颅内局部场电位信号数据；对获取的目标对象在当前时间窗口内与多个生理信号数据对应的刺激参数进行数据融合并获得相应的目标融合数据；判断目标融合数据是否大于当前时间窗口相应的目标参考阈值；若是，则通过植入式深部脑刺激电极对目标对象施加预设刺激参数的电刺激；该装置在实现闭环控制过程在满足实时性的前提下，进行脑刺激的数据依据种类更全面，策略性更强，闭环刺激控制精度更高。
-
公开(公告)号：CN113910217A
公开(公告)日：2022-01-11
申请号：CN202010993992.8
申请日：2020-09-21
Applicant: 复旦大学
IPC: B25J9/16
Abstract: 本发明提供了一种听视觉协同的人形机器人头部定向方法，其特征在于，主要包括如下步骤：首先通过麦克风阵列采集语音信号并记录时间；然后利用人声识别方法识别，统计采集到人声的麦克风数量；接着在人声麦克风数量大于1时根据时间设定候选目标方位；然后转动摄像头并采集视频；又从视频中获取人脸图像帧，利用人脸辨识方法辨识得到人脸辨识结果，并统计人脸数量；继而在人脸数量大于1时计算人脸面积并排序；接下来根据排名设定候选目标人脸；然后利用唇动检测算法实现唇动识别；接着在出现唇动的人脸数量大于1时根据面积设定目标方位；最后转动人形机器人头部实现定向。本发明能让人形机器人区分人声与其他声音并能准确地与目标人声进行交互。
-
公开(公告)号：CN113577559A
公开(公告)日：2021-11-02
申请号：CN202111030407.5
申请日：2021-09-03
Applicant: 复旦大学
Abstract: 本发明公开一种基于多信号的闭环深部脑刺激方法、装置、系统及设备，其中方法包括：基于实时获取的任一目标对象的多个生理信号数据分别计算相应的刺激参数；多个生理信号数据包括体表生理信号数据和/或肢体运动信号数据、颅内局部场电位信号数据；对获取的目标对象在当前时间窗口内与多个生理信号数据对应的刺激参数进行数据融合并获得相应的目标融合数据；判断目标融合数据是否大于当前时间窗口相应的目标参考阈值；若是，则通过植入式深部脑刺激电极对目标对象施加预设刺激参数的电刺激；该方法在实现闭环控制过程在满足实时性的前提下，进行脑刺激的数据依据种类更全面，策略性更强，闭环刺激控制精度更高。
-
公开(公告)号：CN111939035A
公开(公告)日：2020-11-17
申请号：CN202010700306.3
申请日：2020-07-20
Applicant: 复旦大学
Abstract: 本发明公开了一种便携式经颅音乐振动刺激发生设备。该设备由电源模块、蓝牙模块、功放模块及振动模块四部分组成。其中，所述的电源模块具有充电和放电的功能，为整个设备提供电能；所述的蓝牙模块用于通信和音频信号的解码；所述的功放模块可将音频信号放大，用于驱动所述振动模块；所述的振动模块可将电信号转换为机械振动，用于产生音乐和振动的复合刺激。该设备可以设置多个振动模块、改变振动作用的位置、调节振动模块的输出能量，并且振动能量的一部分以接触传导的方式作用到使用者身上产生振动刺激，另一部分通过骨传导的方式作用于耳蜗产生声音刺激。本发明的设备可应用在神经调控的科学研究领域和脑疾病的辅助治疗领域。
-
公开(公告)号：CN111444747A
公开(公告)日：2020-07-24
申请号：CN201910043745.9
申请日：2019-01-17
Applicant: 复旦大学
Abstract: 本发明提供一种基于迁移学习和空洞卷积的癫痫状态识别方法，包含步骤：S1、提取每组原始癫痫脑电图信号特定频率下的若干个小波包系数组作为一个特征组；S2、去除特征组中显著相关的小波包系数组，实现对特征组降维；降维后特征组的每个小波包系数均为一个特征值；S3、标准化处理从若干组原始癫痫脑电图信号提取的所有特征值；S4、将经标准化处理的的所有特征值作为测试数据集，将现有癫痫脑电图信号特征数据库中的特征作为训练数据集；通过改进的CMJAE迁移学习方法实现跨领域知识迁移，并通过二维空洞卷积神经网络作为分类器，迭代获取测试数据集的分类结果；S5、采用十折交叉验证法，验证分类准确性。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.034 seconds)
