-
公开(公告)号:CN116831614A
公开(公告)日:2023-10-03
申请号:CN202310909133.X
申请日:2023-07-19
Applicant: 河南大学
IPC: A61B7/04 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及疾病筛查技术领域,具体涉及一种基于时空注意力特征融合模型的异常心音检测方法,该异常心音检测方法先获取心音信号数据,对心音信号数据进行预处理,获得预处理后的心音信号数据;对预处理后的心音信号数据进行特征提取,确定各个心音信号特征数据;通过构建的CNN‑TCN‑Attention网络模型,对各个心音信号特征数据进行多源特征融合和心音分类,获得心音信号数据的分类结果。本发明基于直接从心音信号数据上的提取特征,利用CNN‑TCN‑Attention网络模型,进行心音信号分类,有效提高了异常心音识别的准确性,主要应用于异常心音检测领域。
-
公开(公告)号:CN115813410A
公开(公告)日:2023-03-21
申请号:CN202211598090.X
申请日:2022-12-12
Applicant: 河南大学
Abstract: 本发明涉及数据识别技术领域,具体涉及基于改进的时序卷积网络的脑电信号抑郁识别方法,该方法包括:获取脑电信号,对脑电信号进行去噪;对目标脑电信号进行分段预处理;对目标子信号集合中的每个目标子信号进行频段抑郁特征提取,确定目标子信号对应的抑郁特征集合;根据目标子信号集合中的目标子信号对应的抑郁特征集合,确定目标脑电信号对应的频带抑郁特征集合;对频带抑郁特征集合中的频带抑郁特征进行融合,得到目标脑电信号对应的目标抑郁特征向量;根据目标抑郁特征向量和训练完成的抑郁识别网络,生成抑郁识别信息。本发明能够实现对抑郁进行识别,解决了抑郁识别的准确度低下的技术问题,主要应用于抑郁识别。
-
公开(公告)号:CN112949517B
公开(公告)日:2022-11-22
申请号:CN202110257061.6
申请日:2021-03-09
Applicant: 河南大学
IPC: G06V20/69 , G06V10/25 , G06V10/774 , G06V10/766 , G06V10/82 , G06N3/04
Abstract: 本发明公开了基于深度迁移学习的植物气孔密度和开度识别方法,包括步骤:1)将部分气孔图像进行气孔及气孔内壁双目标标注,作为训练集、验证集,其余作为测试集;2)基于训练集和验证集进行模型训练和优化,当损失函数收敛到最小值时,保存当前模型;3)载入训练后的模型,对测试集图像进行智能识别定位、标注,自动计算得到气孔密度;4)对智能定位后的气孔内壁进行拟合计算,生成对应的气孔开度表型数据文件;5)系统将检测定位及拟合效果可视化呈现给用户,用户可根据需要做参数调整,直至满意。本发明能自动且高效精准地对气孔密度及开度进行智能检测识别和分析,并自动生成相应的表型数据,方便后续研究。
-
公开(公告)号:CN114913523A
公开(公告)日:2022-08-16
申请号:CN202210601781.4
申请日:2022-05-30
Applicant: 河南大学
Abstract: 本发明涉及智慧农业技术领域,具体涉及基于YOLOX的植物气孔多功能实时智能识别系统,该系统包括数据采集模块、迁移学习模块、标签分类模块、网络模型训练模块以及气孔识别模块。采集植物叶表皮图像,将叶表皮图像分为单目标检测数据集和双目标检测数据集;结合迁移学习和YOLOX获取每个标注框对应的正样本锚框;利用单目标检测数据集和双目标检测数据集以及改进的Focal‑CIoU Loss分别完成单目标网络模型和双目标网络的训练;利用网络模型识别图像数据中的气孔特征并反馈给用户。本发明能够提高植物叶表皮图像中的气孔识别的准确率,对植物气孔性状的研究具有重要意义,对智慧农业的发展起到积极的推动作用。
-
公开(公告)号:CN114732409A
公开(公告)日:2022-07-12
申请号:CN202210173928.4
申请日:2022-02-24
Applicant: 河南大学
Abstract: 本发明公开了一种基于脑电信号的情绪识别方法,通过对脑电信号预处理后,将连通性指标作为邻接矩阵,利用图卷积神经网络提取图特征;同时利用时间卷积神经网络提取脑电信号中所蕴含时间特征;进而将两者有效结合进行情绪分类。本方法将图卷积神经网络和时间卷积神经网络相结合,一方面将脑电信号建立为图模型,利用功能连通性指标作为图模型的邻接矩阵进行图卷积特征提取;另一方面利用时间卷积网络提取时间特征。将两个并行的网络提取的空间特征和时间特征相结合,使得模型对不同情绪有更好的识别能力。
-
公开(公告)号:CN113380345A
公开(公告)日:2021-09-10
申请号:CN202110761921.X
申请日:2021-07-06
Applicant: 河南大学
Abstract: 本发明公开了一种基于深度森林的有机化学偶联反应产率预测与分析方法,包括特征描述符的计算、模型的搭建、产率的智能回归和分类预测,具体实现步骤如下:1)利用化学软件计算每种偶联反应组分的特征描述符,将其转换为一维数据;2)搭建深度森林模型对特征描述符进行训练,通过自我调节参数达到最佳预测效果,该方法结合了深度学习的特征学习和集成学习的思想,实现了化学反应的高效预测;3)使用训练好的模型对产率进行智能回归和分类预测,并对预测结果分析;计算一维特征描述符的重要性,分析特征描述符对产率影响的强弱,在生产试验中为用户提供更可靠的决策信息。本发明能够在节约成本的基础上辅助化学家快速对产率预测。
-
公开(公告)号:CN111657936A
公开(公告)日:2020-09-15
申请号:CN202010550452.2
申请日:2020-06-16
Applicant: 河南大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于小波变换和全变差正则化的信号去噪方法。包括:对含有噪声的脑电信号y(n)进行小波阈值去噪;计算信号y(n)与小波阈值去噪后信号 的余量;对余量d(n)利用全变差正则化进行去噪;将去噪后的信号重构,得到干净信号的估计值;根据去噪评价指标评估脑电信号去噪性能。利用本发明,可以在信号去噪场景中,一方面放松小波阈值去噪中的阈值选择对去噪效果的影响;另一方面保护信号边缘信息,使得去噪后的信号不出现局部震荡,以得到更好的去噪效果。
-
公开(公告)号:CN111540006A
公开(公告)日:2020-08-14
申请号:CN202010337410.0
申请日:2020-04-26
Applicant: 河南大学
Abstract: 本发明公开了一种植物气孔智能检测与识别系统;该系统包括:导入图像模块、气孔检测模块、批量处理与显示模块、模型参数调整模块、显示检测识别详细信息模块。该系统极大地方便了用户对高通量植物表皮的细胞图像中气孔表型性状的分析,模型训练耗时短,用户能通过自定义参数功能最大限度地提高气孔自动检测与识别准确性和可扩展性。本发明还提供基于深度迁移学习的植物气孔智能检测与识别方法;该方法通过将自定义的高通量植物叶表皮的细胞光学显微镜图像集和预训练的YOLOv3网络结构进行深度迁移学习来快速高效地训练模型,根据检测与识别的实际效果让用户参与其中,并进行适当的模型参数调整,从而最大限度地提升检测与识别结果。
-
公开(公告)号:CN104077344B
公开(公告)日:2018-07-17
申请号:CN201310749631.9
申请日:2013-12-31
Applicant: 河南大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于自适应学习区域重要性的交互式图像检索方法及系统,它对用户提交的检索图像基于均值漂移和规范切进行自适应分割,提取分割区域的特征,基于新的区域重要性指标计算区域的重要性,进而基于综合区域匹配计算用户提交的检索图像和图像库中的每一幅图像的相似度,根据相似度排序并返回给用户最相似的前若干幅图像,基于用户的反馈信息,构建短期学习和长期学习策略,旨在自动更新正例的区域重要性的同时减小反例图像的区域重要性,从而快速、有效地获取满意的图像。本发明可减轻用户的检索负担,且在检索的过程中学习用户标注的正例和反例图像信息来自动更新区域的重要性,可以更靠近用户的检索意图,从而更加有效地提高检索性能。
-
公开(公告)号:CN104077344A
公开(公告)日:2014-10-01
申请号:CN201310749631.9
申请日:2013-12-31
Applicant: 河南大学
IPC: G06F17/30
CPC classification number: G06F16/5838
Abstract: 本发明涉及一种基于自适应学习区域重要性的交互式图像检索方法及系统,它对用户提交的检索图像基于均值漂移和规范切进行自适应分割,提取分割区域的特征,基于新的区域重要性指标计算区域的重要性,进而基于综合区域匹配计算用户提交的检索图像和图像库中的每一幅图像的相似度,根据相似度排序并返回给用户最相似的前若干幅图像,基于用户的反馈信息,构建短期学习和长期学习策略,旨在自动更新正例的区域重要性的同时减小反例图像的区域重要性,从而快速、有效地获取满意的图像。本发明可减轻用户的检索负担,且在检索的过程中学习用户标注的正例和反例图像信息来自动更新区域的重要性,可以更靠近用户的检索意图,从而更加有效地提高检索性能。
-
-
-
-
-
-
-
-
-