-
公开(公告)号:CN118299034A
公开(公告)日:2024-07-05
申请号:CN202410397968.6
申请日:2024-04-03
Applicant: 东北大学秦皇岛分校
IPC: G16H50/20 , A61B5/00 , G16H20/30 , G06F18/20 , G06F18/10 , G06F17/16 , G06N3/0442 , G06N3/0985
Abstract: 本发明涉及一种基于网球运动综合表现和状态波动的神经疾病检测方法,其具体实施步骤包括:令神经疾病患者进行网球比赛,收集比赛时的各个指标和得分数据作为模型训练的基础数据集;进行数据预处理;采用TOPSIS综合评价法进行患者比赛时的综合表现得分计算并拟合图像;采用灰色关联法确定患者比赛时的各个指标与状态波动的关联度,从而确定关联度较大的指标并对指标数据进行记录;将状态波动数据和关联度较大的指标数据输入记忆网络LSTM进行机器学习,输出患者比赛时的状态波动的情况;根据输出的状态波动结果进行是否患有神经疾病的检测。实现了状态的实时检测;有效的减少了训练集的个数、提高了模型训练的有效性;保证了检测的准确性。
-
公开(公告)号:CN118152516A
公开(公告)日:2024-06-07
申请号:CN202410279433.9
申请日:2024-03-12
Applicant: 东北大学秦皇岛分校
IPC: G06F16/33 , G06F16/35 , G06F18/2411 , G06F18/10 , G06F18/213 , G06F17/16 , G10L15/08
Abstract: 本发明涉及一种基于文本的抑郁症检测方法,其具体实施步骤包括:收集抑郁症患者音频和文本信号建立数据库用于分类和模型训练;预处理音频信号得到音频频谱图,对其进行连续小波变换得到其光谱特征;分析光谱特征,确定有明显抑郁特征的目标文本;构建稀疏情感词典;根据词典和已经确定的目标文本进行抑郁程度的分类;规定抑郁程度的取值范围为0到1,其中0表示无抑郁,1表示抑郁程度最高;利用记忆网络LSTM对已经完成分类的数据进行机器学习;基于训练好的模型,对测试人员进行测试,输出测试结果。通过音频信号确定目标文本,提高了抑郁症识别的有效性;根据构建好的稀疏情感词典进行抑郁程度的分类,可有效的提高模型训练的准确性和快速性。
-
公开(公告)号:CN117918844A
公开(公告)日:2024-04-26
申请号:CN202410220875.6
申请日:2024-02-28
Applicant: 东北大学秦皇岛分校
Abstract: 本发明涉及一种基于音频和脑电信号综合训练模型的抑郁症检测方法,其具体实施步骤包括:收集抑郁症患者音频和EEG信号建立互补数据库便于提取特征、分类训练和参数优化;预处理双数据库,从而得到音频频谱和EEG频谱图,方法采用带通滤波器、SG滤波、卷积滑动平均滤波以及傅里叶变换;频谱特征编码;利用A/P、PCA方法进行特征提取;利用融合单元连接不同数据源所提取特征;基于长短期记忆网络LSTM进行机器学习;基于训练好的模型,对测试者音频和EEG频谱图进行分析,得到抑郁症的相应分析结果;根据结果优化参数,再输出最终测试结果。通过音频和EEG信息进行互补,根据综合信息来判断被测人员是否患有抑郁症;保证了抑郁症识别的有效性和准确性。
-
-