-
公开(公告)号：CN109326081A
公开(公告)日：2019-02-12
申请号：CN201811334549.9
申请日：2018-11-09
Applicant: 复旦大学
CPC classification number: G08B19/00 , G08B21/0423 , H04L67/12
Abstract: 本发明属于医疗健康技术领域，具体为一种基于物联网的老年人家庭看护预警系统。本发明系统包括用于采集室内环境情况以及老年人活动情况的室内信息采集模块，用于比对室内情况的室外环境情况采集模块，用于方便老年人自救、即时预警、语音建议播报的语音信息处理模块，用于对整体信息作预处理并整合分类的中继处理模块，在云端做信息汇总的服务器模块。该系统信息采集模块都采用非侵入被动式的体外传感，不影响老年人地正常生活。该系统能够全面检测老年人当前行为活动的情况以及室内信息；本系统也适用于家中有多位老年人的情形。本系统根据综合信息整合，可以实现家庭看护、语音指导及远程通知、危险预警等功能，从而实现对空巢老人良好地看护以及给出相应的健康评估。
-
公开(公告)号：CN107135578A
公开(公告)日：2017-09-05
申请号：CN201710429403.1
申请日：2017-06-08
Applicant: 复旦大学
Abstract: 本发明属于无线灯控技术领域，具体为基于“TonaLighting”调节技术的智能音乐和弦‑氛围灯系统。该系统包括硬件灯控和软件分析两个部分，硬件灯控包括：控制器、LED灯；软件分析部分为“TonaLighting”程序系统，该程序系统首先对和弦音进行自动识别和分类，并对和弦音出现的时刻进行标记；然后根据“TonalColor”方案，确定与标记的和弦音相对应的RGB组合，同时读取音乐片段、和弦出现时刻列表和音乐和弦‑RGB组合列表，获得灯控指令，传输给灯控部分控制器，控制灯光颜色随音乐变化而实时改变；并根据控制命令改变LED灯光颜色。本发明可应用于不同的娱乐场景、娱乐教学以及对自闭症、脑卒中、脑损伤、植物人等其他神经疾病患者的音乐治疗。
-
公开(公告)号：CN113940678B
公开(公告)日：2024-12-27
申请号：CN202111343049.3
申请日：2021-11-13
IPC: A61B5/291 , A61B5/256 , A61B5/265 , B32B1/00 , B32B9/00 , B32B9/04 , B32B27/06 , B32B27/10 , B32B27/32 , B32B29/00 , B32B33/00
Abstract: 本发明属于电生理信号检测技术领域，具体为一种穿戴便捷舒适的一体式柔性脑电帽。本发明的脑电帽为三层结构，外层为固定层，中间层为导电层，内层为绝缘屏蔽层；固定层内侧有带孔的凸起支点，位置和柔性脑电电极位置对应；外侧带有可拆卸的硬件盒，用于放置相应的硬件模块；以及起到收紧固定作用的下巴带；导电层上印有带孔的柔性脑电电极、导线和对应引出的接口；绝缘屏蔽层在柔性脑电电极对应的位置开孔，其它部分都是绝缘的，并带有屏蔽功能。本发明的脑电帽直接将脑电电极及对应的连线集成在一起，具有良好的接触、方便的佩戴方式、舒适的佩戴体验，大幅简化了脑电监测的前期工作。
-
公开(公告)号：CN115721261B
公开(公告)日：2024-11-29
申请号：CN202111009192.9
申请日：2021-08-31
Applicant: 复旦大学 , 上海国际人类表型组研究院
Abstract: 本发明属于运动设备技术领域，具体为一种基于足底柔性传感阵列的膝关节运动机能评估装置。本发明装置包括足底信号采集装置和应用程序两大部分；足底信号采集装置用于采集使用者足底压力产生的数据并发送；应用程序用于接收压力数据，分析运动数据分别产生瞬间压力值及运动值，以及数据存储及可视化；所述应用程序安装在PC端或移动数据上；足底信号采集装置主要由柔性传感阵列结构的压力传感器以及相应处理硬件组成，做成鞋垫结构形式。本发明装置能够实时、有效采集运动者足底受力信号数据，正确分析评过膝关节受力状况，超过膝关节受力阀时，发出提醒或警告；确保运动者进行适宜、健康的运动。
-
公开(公告)号：CN108309291B
公开(公告)日：2023-11-24
申请号：CN201810198860.9
申请日：2018-03-12
Applicant: 复旦大学
IPC: A61B5/291 , A61B5/265 , A61B5/266 , A61B5/268 , A61B5/256 , C08L75/04 , C08L83/04 , C08L53/02 , C08K7/00 , C08J5/18
Abstract: 本发明属于电生理信号检测技术领域，具体为一种柔性脑电电极及其制备方法。脑电电极由柔性硅胶电极片和电极基座构成。柔性硅胶电极片上层为柔性硅胶层，下层为复合导电层，裁剪后的电极片包含圆形电极和连接柄；电极基座包括：电极片外固定卡扣的固定螺母、电极导线、脑电帽固定基座、电极片外固定卡扣、电极导线固定扣；其中,电极片外卡扣将硅胶柔性电极片固定在电极基座上，由外固定卡扣固定螺母将其固定。电极导线与柔性硅胶电极片由电极片外卡扣内壁的凸起处紧密压合，并由固定卡扣固定螺母固定于脑电帽固定基座上。本发明具有良好的接(56)对比文件WO 2015180464 A1,2015.12.03白秀军;屠迪;张红.脑电神经信号采集与提取研究的背景与现状.中国老年保健医学.2008,(第05期),全文.郑赛晶;顾文博;张建平;刘百战;张祥民.电偶法测量卷烟内部动态温度.烟草科技.2006,(第01期),全文.白秀军;屠迪;张红.脑电神经信号采集与提取研究的背景与现状.中国老年保健医学.2008,(第05期),全文.梅红伟;陈金君;彭功茂;王黎明;关志成.复合绝缘子高压端输电导线安装绝缘护套的研究.中国电机工程学报.2011,(第01期),全文.
-
Patent Agency Ranking
公开(公告)号：CN116807405A
公开(公告)日：2023-09-29
申请号：CN202310781479.6
申请日：2023-06-29
Applicant: 复旦大学
IPC: A61B5/00 , G16H50/20 , G16H50/70 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明属于睡眠状态识别技术领域，具体为基于人体压力分布图像的睡眠状态及睡眠疾病检测系统。本发明使用柔性压感床垫采集受试者的睡眠压力分布图像；使用红外摄像机记录睡眠睡姿；使用PSG记录睡眠过程中的睡眠阶段；使用PSG获取受试者睡眠过程中的AHI指数，并进行严重程度分级；将摄像机记录的睡姿、PSG获取的睡眠阶段与AHI指数作为金标准，使用压力分布图像构建数据集；采用硬参数共享的多任务学习框架，构建多个深度学习模型进行自动特征提取与分类，模型部署在STM32单片机中，直接在STM32中进行睡姿、睡眠阶段以及OSA的监测。本发明可实现更快速、更低成本、高准确度的睡姿识别、睡眠分期与OSA判别。
-
公开(公告)号：CN116269439A
公开(公告)日：2023-06-23
申请号：CN202310131929.7
申请日：2023-02-18
Applicant: 复旦大学
IPC: A61B5/372
Abstract: 本发明属于癫痫性脑病辅助诊断技术领域，具体为睡眠中癫痫性电持续状态棘慢波指数自动量化方法。本发明首先获取ESES患者脑电图EEG记录数据，然后将原始的EEG数据处理为多个短窗口样本，用多个预设时间长度的缺省窗口对样本进行分割，随后通过卷积神经网络对原始信号进行空间滤波并提取信号的多维度时间特征，最终实现对NREM时期潜在棘波和棘慢波的分类和定位，实现对SWI的自动量化。本发明通过预设缺省窗口与多重特征卷积神经网络结合，可同时对不同持续时间的棘波和棘慢波进行自动检测。
-
公开(公告)号：CN116110429A
公开(公告)日：2023-05-12
申请号：CN202310031801.3
申请日：2023-01-10
Applicant: 复旦大学
Abstract: 本发明公开了一种基于日间语音OSA严重程度判别识别模型的构建方法。该方法包括以下步骤：采集受试者的语音信号；对语音信号依次进行预处理、特征提取、特征选择和特征拼接；构建均衡数据集；构建机器学习模型作为基分类器，对模型进行评价，从其中选择若干准确率较高的模型；采用Voting融合算法集成模型，取多个基分类器预测样本为某一类别的概率的均值，最高概率所对应的类别即为预测结果，强化模型的分类能力与泛化能力。本发明的模型用于识别判别阻塞性睡眠呼吸暂停综合征，无创、更快、成本更低、准确度高。
-
公开(公告)号：CN115778389A
公开(公告)日：2023-03-14
申请号：CN202211543465.2
申请日：2022-12-02
Applicant: 复旦大学
IPC: A61B5/16 , A61B5/318 , A61B5/346 , A61B5/0533 , A61B5/00
Abstract: 本发明属于情绪监测和调节技术领域，具体为基于心电和皮肤电联合分析的分娩恐惧检测方法和系统。本发明包括：同步采集孕妇的原始心电和皮肤电信号，医生根据分娩态度问卷划分孕妇分娩恐惧等级；信号预处理，包括滤波去噪和标准化；对标准化处理后的心电和皮肤电信号提取耦合性特征；基于卷积神经网络模型得到心电和皮肤电信号的网络学习特征，并与耦合性特征进行融合；将融合后的综合特征输入双向长短时记忆网络模型进行分娩恐惧等级评估，得到分娩恐惧分类结果。相较于基于主观量表的分娩恐惧检测，本发明深入挖掘心电和皮肤电信号中包含的与孕妇情绪有关的信息，能够更加及时、准确地判别分娩恐惧，有利于孕妇及时了解与调整自己的心理状态。
-
公开(公告)号：CN115311737A
公开(公告)日：2022-11-08
申请号：CN202210809560.6
申请日：2022-07-10
Applicant: 复旦大学
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明属于健康检测技术领域，具体为一种基于深度学习的无察觉式脑卒中患者手部动作识别方法。本发明方法包括：患者手部动作的采集，手部动作设计为三大类17小类，使用非接触式Kinect传感器采集患者手部动作数据；对采集的数据进行预处理，用于模型训练和预测；采用三种深度学习模型TSN、I3D和Slowfast进行训练和预测，最后将三种模型预测结果进行融合，得到最终预测结果。本发明为脑卒中上肢精细动作活动识别提供了有效的解决方案，不再需要复杂繁琐的可穿戴式设备采集电信号，而是通过基于视觉的方式，更加便捷地识别脑卒中患者上肢活动，便于评估脑卒中患者恢复水平。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.021 seconds)
