-
公开(公告)号：CN109288515B
公开(公告)日：2021-06-22
申请号：CN201811350454.6
申请日：2018-11-14
Applicant: 东南大学
Abstract: 本发明专利公开了一种基于穿戴式心电信号中早搏信号的周期性监测方法及装置，包括穿戴式心电信号检测模块和长时间早搏心拍检测模块，所述长时间早搏心拍检测模块中的心电信号读取单元读取待测心拍，经实时早搏检测单元确定心拍类型后，通过主类模板生成单元及次类模板生成单元分别生成主类模板及次类模板，随后经主次类心拍检测单元，最终确定心拍类型，在正常心拍的基础上，经过室上性早搏检测单元，判断是室上性早搏心拍或正常心拍，从而实现人们日常活动下的室性早搏和室上性早搏的长时间的舒适监测，算法简单，操作方便，适用于不同用户的需求。
-
公开(公告)号：CN120000155A
公开(公告)日：2025-05-16
申请号：CN202411849683.8
申请日：2024-12-16
Applicant: 东南大学
IPC: A61B5/00 , A61B5/024 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/243 , G06N5/01 , G06N20/20
Abstract: 本发明涉及一种基于长程信号和多特征提取的睡眠节律紊乱检测方法及装置，其中方法包括：步骤S1：获得目标用户的生理信号，其中，生理信号至少包括心率；步骤S2：对生理信号进行预处理和峰值提取；步骤S3：基于预处理后的生理信号提取根据处理后的信号利用多域特征提取算法进行多域心率变异性特征提取；步骤S4：对提取的多域心率变异性特征进行多域特征集构建以及节律紊乱风险类别划分；步骤S5：利用随机森林算法构建睡眠节律状态评估模型，对潜在的睡眠节律紊乱风险进行检测。与现有技术相比，本发明具有在提高了准确率的同时解决了需要频繁采集生理信号的工作量的问题等优点。
-
公开(公告)号：CN115444385B
公开(公告)日：2025-05-16
申请号：CN202211247015.9
申请日：2022-10-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于血压测量脉搏震荡波特征分析的房颤检测方法和装置，其中，装置包括信号采集模块，房颤诊断模块，本地存储模块，显示模块。信号采集模块获取血压测量过程中的脉搏震荡波。房颤诊断模块的工作依次包括以下步骤：对所获信号滤波去噪、去除基线；提取RR间期序列，由RR间期序列及差值初步定位房颤；提取波谷间期序列，筛除早搏信号；多特征提取，包括主波峰高度，重搏波峰值，主波峰高度1/5处脉宽；基于已提取特征得到多个一维数组，计算出对应指标，得出房颤检测结果。本地存储模块记录脉搏震荡波和房颤检测结果。显示模块实时显示房颤检测结果和波形。本发明能够基于脉搏震荡波检测房颤，对房颤的诊断和治疗有积极意义。
-
公开(公告)号：CN119205822B
公开(公告)日：2025-02-28
申请号：CN202411698289.9
申请日：2024-11-26
Applicant: 东南大学
IPC: G06T7/11 , G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双域交融网络的胰腺及肿瘤、十二指肠联合分割方法，具体如下：使用临床多中心腹部CT图像作为数据集，利用先验信息对腹部CT预处理；对处理后的图像采用粗‑细两阶段分割，首先将图像输入到粗分割网络中得到胰腺、胰腺肿瘤以及十二指肠的大致位置信息；在细分割阶段中，首先进行双域构建，其次，将双域图像同时输入到双域融合分割网络中，在双域融合分割分割网络中使用环状多层次注意力模块获取柱状空间域全局连续注意力；分别对物理空间域和柱状空间域进行编码，并使用跨域信息融合模块实现域间融合的过程；在双域融合网络中得到最终的多器官分割结果。
-
公开(公告)号：CN118969257A
公开(公告)日：2024-11-15
申请号：CN202411200221.3
申请日：2024-08-29
Applicant: 东南大学
IPC: G16H50/20 , A61B5/00 , G16H10/20 , G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于PHQ‑9量表评测和面部表情识别的早期抑郁诊断系统，包括数据采集与处理模块，表情识别模块，综合诊断模块。数据采集与处理模块包括获取被试者PHQ‑9量表评测结果、采集被试者测试过程中面部表情视频。表情识别模块通过对采集所得视频进行分析，识别每帧被试者面孔表情。综合诊断模块用于计算被试者的情绪得分，并集成量表分数与情绪分数，输出诊断结果。本发明能够基于PHQ‑9量表评测与表情识别对早期抑郁状态进行实时判断，具有较好的鲁棒性，能够为医生提供更为精确的诊断依据。
-
Patent Agency Ranking
公开(公告)号：CN118830854A
公开(公告)日：2024-10-25
申请号：CN202410856214.2
申请日：2024-06-28
Applicant: 东南大学
IPC: A61B5/346 , A61B5/318 , A61B5/00 , G06F18/2431
Abstract: 本发明提供了一种基于非接触心电的信号质量评估系统及方法，方法包括：通过电容耦合式非接触心电信号采集模块，使用非接触式的方式采集非接触心电信号；由非接触心电信号预处理模块对采集到的非接触心电信号进行滤波、滑窗分割等预处理，去除部分干扰信号，提高心电信号信噪比；采用非接触心电信号特征提取与优化模块，根据信号特点进行特征提取，并用于所提取特征的进一步优化以及构建分类模型；使用非接触心电高质量信号选择模块，将采集到的非接触心电信号进行自动评估与分类，并用于筛选出高质量的非接触心电信号。本发明针对非接触心电采集场景，基于非接触心电的干扰特征，能实现非接触心电信号的高准确度的高效评估。
-
公开(公告)号：CN118766473A
公开(公告)日：2024-10-15
申请号：CN202411091824.4
申请日：2024-08-09
Applicant: 东南大学
IPC: A61B5/318 , A61B5/352 , A61B5/366 , A61B5/00 , A61B5/024 , A61B5/0245 , G06F18/213 , G06F18/24 , G16H80/00
Abstract: 本发明提供了一种融合非接触心电和心震信号的床单式心率高精度监测系统，包括电容耦合式非接触心电和压电薄膜心震信号采集模块，基于信号质量评估的心率通道选择模块，心率计算模块。具体实施包括以下几个步骤：第一步，电容耦合式非接触心电和压电薄膜心震信号采集模块用于采集非接触心电信号和心震信号。第二步，基于信号质量评估的心率通道选择模块，用于计算采集的信号质量，第三步，心率计算模块用于根据信号类型进行心率计算，计算结果包括基于RR间期的高精度心率信息和基于心震的平均心率信息，系统面向睡眠场景下、长时程高精度生理信号获取，融合非接触心电和心脏震动两种模态的优点，可以有效获取连续、长时程、高精度心率信息。
-
公开(公告)号：CN118154627B
公开(公告)日：2024-09-03
申请号：CN202410567441.3
申请日：2024-05-09
Applicant: 东南大学
IPC: G06T7/11 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06F3/01
Abstract: 本发明公开了一种基于眼动注意力驱动的心超图像域适应分割方法，包括步骤：使用眼动仪收集医生在阅读目标域心脏超声图像时的眼动注视位置分布信息，利用源域数据训练初始化教师神经网络模型，获得初步的心脏超声图像分割能力，学生模型以伪标签为优化目标进行训练，眼动注视热力图经过编码器提取高维注意力特征，生成具有眼动注意力的教师模型在心脏超声图像上的通用特征，计算眼动加权损失和通用特征对齐损失之和优化模型。利用了医生诊断时的眼动热力图和领域自适应方法，使其能够在数据集紧缺并不额外消耗时间标注数据集的情况下训练出一个性能良好的心脏超声图像分割神经网络，并可以随着医生诊断过程的进行，持续不断的改善模型性能。
-
公开(公告)号：CN118430774A
公开(公告)日：2024-08-02
申请号：CN202410451146.1
申请日：2024-04-15
IPC: G16H50/20 , A61B5/0205 , A61B5/346 , A61B7/04 , G16H50/50 , G06F18/214 , G06F18/213 , G06F18/24
Abstract: 本申请公开了一种心脏衰老程度预测方法、电子设备及可读存储介质，本申请涉及医学技术领域，所述心脏衰老程度预测方法包括：同步采集生理信号，其中，所述生理信号包括心电信号、脉搏信号与心音信号；对所述生理信号进行特征提取得到信号特征，其中，所述信号特征包括射血时间比、快速射血时间比、射血时间差比、快速射血时间差比、脉搏传递时间、脉搏到达时间中的一种或多种；将所述信号特征输入至预训练的心脏年龄预测模型中，以供所述心脏年龄预测模型输出得到心脏年龄预测结果。本申请提高了心脏衰老程度的预测准确度。
-
公开(公告)号：CN118154627A
公开(公告)日：2024-06-07
申请号：CN202410567441.3
申请日：2024-05-09
Applicant: 东南大学
IPC: G06T7/11 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06F3/01
Abstract: 本发明公开了一种基于眼动注意力驱动的心超图像域适应分割方法，包括步骤：使用眼动仪收集医生在阅读目标域心脏超声图像时的眼动注视位置分布信息，利用源域数据训练初始化教师神经网络模型，获得初步的心脏超声图像分割能力，学生模型以伪标签为优化目标进行训练，眼动注视热力图经过编码器提取高维注意力特征，生成具有眼动注意力的教师模型在心脏超声图像上的通用特征，计算眼动加权损失和通用特征对齐损失之和优化模型。利用了医生诊断时的眼动热力图和领域自适应方法，使其能够在数据集紧缺并不额外消耗时间标注数据集的情况下训练出一个性能良好的心脏超声图像分割神经网络，并可以随着医生诊断过程的进行，持续不断的改善模型性能。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.021 seconds)
