-
公开(公告)号：CN109846472A
公开(公告)日：2019-06-07
申请号：CN201910095804.7
申请日：2019-01-30
Applicant: 郑州大学
IPC: A61B5/0402 , A61B5/0472
Abstract: 本发明涉及一种基于BiLSTM-Attention深度神经网络的心搏分类方法，包括以下步骤：1)、数据预处理，采用双正交小波变换去除高频噪声和基线漂移；2)、特征提取，通过二进样条小波变换检测R波峰值，进而计算RR间期及对QRS波群数据进行提取；3)、模型训练，通过BiLSTM-Attention神经网络对检测的步骤2)中检测的波形进行深度学习分类；本发明具有心电信号分类准确、有效对心电信号进行深度学习分类的优点。
-
公开(公告)号：CN117910645B
公开(公告)日：2025-04-29
申请号：CN202410111061.9
申请日：2024-01-25
Applicant: 郑州大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明属于自然灾害领域，公开了混合深度学习的城市洪涝快速预测模型构建与评估方法，该模型构建与评估方法包括：收集研究区域的相关数据，利用水动力模型LISFLOOD‑FP计算得到洪涝过程数据集。将洪涝过程数据集分为训练数据集和验证数据集；在CNN模型的基础上串联GRU和多头注意力模块，构建城市洪涝快速预测模型，利用训练数据集，对所述城市洪涝快速预测模型进行训练；选择合适的精度评估指标；利用所述验证数据集和所述精度评估指标评估所述城市洪涝快速预测模型的时间精度、空间精度及鲁棒性。本发明提出的城市洪涝快速预测模型构建与评估方法使得城市洪涝预测模型效率和精度更高，且模型构建与评估更全面。
-
公开(公告)号：CN118349857A
公开(公告)日：2024-07-16
申请号：CN202410610374.9
申请日：2024-05-16
Applicant: 郑州大学
IPC: G06F18/214 , G06F18/2433 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0895 , A61B5/349 , A61B5/352 , A61B5/00 , G06F123/02
Abstract: 本发明涉及心电数据处理技术领域，尤其涉及一种弱监督异常心拍检测方法及系统，该方法包括对心电信号进行基于降采样和归一化的预处理；构建多尺度特征融合与注意力机制模块以获取权重系数矩阵；构建伪标签生成与实例选择模块，通过权重系数矩阵生成伪标签并选择关键实例以辅助心拍级别预测模型进行训练；通过伪标签生成与实例选择模块训练心拍级别预测模型，该预测模型是一个实例级分类模型，利用该预测模型识别心电信号中的异常心拍。本发明可以在无心拍标注场景下，有效学习心电信号中各心拍的特征，并鲁棒的检测出异常心拍，提高心电信号中异常心拍的识别准确性和灵敏度。
-
公开(公告)号：CN111568411B
公开(公告)日：2023-08-22
申请号：CN202010445891.7
申请日：2020-05-22
Applicant: 郑州大学
IPC: A61B5/349
Abstract: 本发明涉及一种基于连续心搏活动序列特征‑SVM模型的心搏分类方法，包括以下步骤：S1、采用连续小波变化去除心电信号中的噪声；S2、对经过步骤S1处理后的心电信号进行分割截取出完整的心搏，然后从截取出的心搏中进行特征提取，并将提取到的特征按类别建立以下数据集：集合A＝{470单心搏形态特征}，集合B＝{21个连续RR间期}集合C＝{491连续心搏全局序列特征}；S3、将步骤S2中的数据集中的任一个集合输入到采用SVM算法模型中进行心搏分类；本发明具有良好的心搏分类准确性。
-
公开(公告)号：CN115795237A
公开(公告)日：2023-03-14
申请号：CN202211514932.9
申请日：2022-11-25
Applicant: 郑州大学
Abstract: 本发明涉及遥感技术领域，应用遥感生态指标反映区域生态环境状态。选取绿度、湿度、干度以及热度四个遥感生态指标，使用多线程并行计算以及基于多核CPU的并行计算相结合的方式，创新性地使用四元Copula函数作为生态指标的计算工具，利用Gringorten公式、Kendall相关系数和最大似然估计法构建出四元Copula函数模型，并最终计算出基于Copula的综合遥感生态指数(Copula‑base remote sensing ecological index,CRSEI)。本发明构建的综合遥感生态指数，能够最大程度囊括四个指标所反映的地表类型状况信息以及四个指标间的相关性信息，更加综合、全面地通过栅格可视化结果从时间以及空间上反映生态环境质量，为生态环境的监测、评价以及治理提供可靠、有力的技术支持。
-
Patent Agency Ranking
公开(公告)号：CN110059251B
公开(公告)日：2022-10-28
申请号：CN201910321811.4
申请日：2019-04-22
Applicant: 郑州大学
IPC: G06F16/9535
Abstract: 本发明提供了一种基于多关系隐式反馈置信度的协同过滤推荐方法，通过引入多种类型行为的隐式反馈，采用逻辑回归模型和基于树的特征选择模型两种置信度计算方法，并根据置信度对多种类型辅助反馈进行筛选，能够筛选出更丰富、更有效的确定性辅助反馈数据，从而对多关系隐式反馈中的用户偏好进行量化。本发明方法能够选出更多有效的反馈数据，准确刻画多关系隐式反馈中的用户偏好，有效提升推荐算法的性能和准确度。
-
公开(公告)号：CN113749666A
公开(公告)日：2021-12-07
申请号：CN202111067176.5
申请日：2021-09-10
Applicant: 郑州大学 , 云心电网络科技(上海)有限公司 , 河南云心电网络科技有限公司
Abstract: 本发明提供一种一种基于融合心室规则特征与XGBoost的心肌梗死分类方法，将采集的12导联心电信号采用小波变换去噪，然后通过墨西哥冒基函数对去噪后的心电信号进行小波分解；将处理后的心电信号进行特征提取，提取Q波、ST‑T段形态特征作为规则特征组，同时提取QT段形态特征作为心室活动特征；将提取到的QT段形态特征采用离散小波变化、主成分分析、局部保留投影三种方式进行压缩变换；将提取的规则特征组、压缩样本中的任一种或两者的融合特征输入到XGBoost模型中进行心电分类；采用本发明体用的方法对心电信号进行心肌梗死分离，准确率达99.6％以上。
-
公开(公告)号：CN113616216A
公开(公告)日：2021-11-09
申请号：CN202111067110.6
申请日：2021-09-10
Applicant: 郑州大学 , 云心电网络科技(上海)有限公司 , 河南云心电网络科技有限公司
Abstract: 本发明涉及一种基于BiLSTM‑Treg的心电信号分类方法，包括建立BiLSTM‑Treg神经网络模型、采集心电信号、对数据进行预处理、进行心电信号的分类的步骤；本发明首先对数据进行预处理，滤除心电信号中的噪声，并将心电信号以心搏为单位划分，其次，将连续的单心搏组合成心搏段，使得心搏间的节律信息得以保留；然后进行模型的搭建与优化，最后进行心搏分类；本发明通过构建融合心搏间节律信息的时序BiLSTM‑Treg神经网络模型，并利用树正则化方法进行优化，提高了神经网络模型的泛化能力，提高了心搏分类的准确率。
-
公开(公告)号：CN113324923A
公开(公告)日：2021-08-31
申请号：CN202110633489.6
申请日：2021-06-07
Applicant: 郑州大学
Abstract: 本发明公开了一种结合时空融合与深度学习的遥感水质反演方法，有效的解决了水质遥感监测出现了卫星影像的空间分辨率和时间分辨率不满足水质监测要求，从而使水质计算结果出现了偏差的问题，本发明结合时空融合模型与全连接神经网络、卷积神经网络来生成高时空分辨率水质反演结果，并利用像元分解法来对水质反演结果进行修正，极大的提高了得到的卫星影响的空间分辨率和时间分辨率，提高卫星影像的准确率。
-
公开(公告)号：CN113317796A
公开(公告)日：2021-08-31
申请号：CN202110690011.7
申请日：2021-06-22
Applicant: 郑州大学 , 云心电网络科技(上海)有限公司 , 河南云心电网络科技有限公司
Abstract: 本发明提供一种基于智能仿真建模的心电自动诊断方法，所述心电自动诊断方法包括以下步骤：S1、心电信号的预处理，利用窗口长度为0.5*sr+1的快速种植滤波器去除基线偏移，其中sr为采样率，利用快速小波变换去除高频噪声；S2、波形定位，基于小波变换的全自动检测心电波形算法，分别对QRS起始点、终点，P波与T波的起点、终点和峰值，Q波、R波、S波三个波峰的位置进行定位，并将每个导联的心拍个数根据II导联统一起来；在对QRS起始点、终点进行定位时，对心电信号进行二次去除高频噪声处理；S3、特征提取，对心电诊断所需的相关特征进行提取；S4、心电诊断，使用规则方法将医生诊断的思维转换成心电图特征描述以诊断心电疾病；得到的铝合金基材具有良好的电导率。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.07 seconds)
