-
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。
-
公开(公告)号：CN115067875A
公开(公告)日：2022-09-20
申请号：CN202210477229.9
申请日：2022-05-03
Applicant: 复旦大学
Abstract: 本发明属于生物医疗技术领域，具体为一种基于压缩脑电的新生儿睡眠分期方法。本发明方法包括：获取原始的新生儿脑电信号数据集并进行睡眠阶段的分期标注，将分期标注结果作为标准分期结果；对滤除背景噪声后的原始脑电信号进行压缩变换，得到压缩变换后的脑电信号，使得数据量极大缩减；将变换后的脑电信号与原始脑电的分期标注进行对齐；使用睡眠分期训练数据训练得到全自动新生儿睡眠分期网络；使用全自动新生儿睡眠分期网络对新生儿的睡眠过程进行睡眠阶段分期。本发明可将脑电信号进行压缩降低原始数据信息的冗余度，并构建自动分期模型以更轻便式的脑电信号数据源对新生儿的睡眠过程进行阶段分期，具有广泛的临床应用前景。
-
Patent Agency Ranking
公开(公告)号：CN114242242A
公开(公告)日：2022-03-25
申请号：CN202111495339.X
申请日：2021-12-09
Applicant: 复旦大学
Abstract: 本发明公开了一种基于人体形态表型的肺功能测量方法。其包括以下步骤：将人体肺功能指标作为因变量，人体形态表型数据作为自变量，构建机器学习模型；训练机器学习模型，使得机器学习模型预测的人体肺功能指标的值尽可能接近真实值，进而确定模型参数，获得肺功能指标预测模型；将待测新用户的人体形态表型数据输入肺功能指标预测模型计算肺功能指标，再将多个预测的肺功能指标整合分析，评估待测新用户的肺部健康状态。本发明的有益效果在于：本发明无需进行吸呼气、佩戴气体流量计等额外操作，充分利用人体形态表型特征即可对人员的肺功能进行测量，使用更加方便、成本更加低廉。
-
公开(公告)号：CN113693571A
公开(公告)日：2021-11-26
申请号：CN202111006262.5
申请日：2021-08-30
IPC: A61B5/02 , A61B5/024 , A61B5/1455 , G06K9/00
Abstract: 本发明属于生理信号检测技术领域，具体为一种非接触式生理信号监测仪。本发明包括生理信号检测装置、人脸检测装置、追踪定位机构、上位机；生理信号检测装置包括激光发射模块、光信号检测转换模块、信号处理算法；人脸检测装置包括红外摄像头、人脸检测算法；追踪定位结构包括滑轨和用舵机搭建的云台；激光发射模块、光信号检测转换模块、红外摄像头部署于云台；信号处理算法和人脸检测算法部署于微处理器；通过红外摄像头对人脸图像进行实时采集，微处理器控制云台调整激光发射角度，对准人脑前额进行照射，光信号检测处理模块检测反射光，微处理器根据检测到的反射光信号，解算出生理参数；通过蓝牙将数据传输到上位机。
-
公开(公告)号：CN110236517A
公开(公告)日：2019-09-17
申请号：CN201910261068.8
申请日：2019-04-02
Applicant: 复旦大学
IPC: A61B5/0402 , A61B5/0205 , A61B5/00 , A61B5/0408 , G01N27/26
Abstract: 本发明属于睡眠监测技术领域，具体为一种用于家庭睡眠监测的心肺信号感知与采集系统。本发明系统包括信号采集传感器、多模态生理电信号处理模块、信号采集控制模块、无线传输模块、电源功耗管理模块、终端设备，以及相应的嵌入式控制软件程序及信号分析解算模块。本发明使用了大量高度可编程、高集成度、低功耗元器件，结合先进的现代信号处理技术，使得ECG信号、呼吸信号等多模态生理参数的监测变得便携化、简易化、低生产成本化，同时系统具备无察觉式体外检测信号的能力，为家庭睡眠监护以及疾病早期诊断提供了新途径。
-
公开(公告)号：CN108309291A
公开(公告)日：2018-07-24
申请号：CN201810198860.9
申请日：2018-03-12
Applicant: 复旦大学
CPC classification number: A61B5/0478 , C08J5/18 , C08J2353/02 , C08J2375/04 , C08J2383/04 , C08K7/00 , C08K2201/001 , C08K2201/011 , C08L2203/20 , C08L83/04 , C08L53/02 , C08L75/04
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触，方便、舒适的佩戴，电极-皮肤间阻抗低，导电性能优良，能采集到高质量脑电信号。
-
公开(公告)号：CN101909206A
公开(公告)日：2010-12-08
申请号：CN201010242587.9
申请日：2010-08-02
Applicant: 复旦大学
Abstract: 本发明属于视频监控技术领域，具体为一种基于视频的智能飞行器追踪系统。包括安装在机场塔台上的监控摄像头及云台、转换器、视频分析模块、云台控制与分析模块、位于观察室中的显示屏；本发明利用计算机视觉特征构建实时视频监控检测模块，通过云台控制算法构建云台控制与分析模块。本发明可以自动追踪起降飞行器轨迹，降低机场对飞行器监控的人力资源的消耗，克服运动背景视频中对象提取与追踪的种种困难，利用监控视频，实现自动智能追踪录像分析，从而提高监控质量，可用于对机场中的飞行器进行起降全程追踪监控、录像和对起降行为异常分析。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.07 seconds)
