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

Inventor： 史云剑 ,  邹智恺 ,  谢宁

IPC: A61B5/16 ,  A61B5/369 ,  A61B5/372 ,  A61B5/00 ,  A61B5/374

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。

公开(公告)号：CN117883075A

公开(公告)日：2024-04-16

申请号：CN202410078026.1

申请日：2024-01-19

Applicant: 东北大学秦皇岛分校

Inventor： 李建 ,  尚明英 ,  邹智恺 ,  吕晓永 ,  许嘉桐

IPC: A61B5/11 ,  G06V20/40 ,  G06V40/20 ,  G06V10/764 ,  G06V10/771 ,  G06T7/00

Abstract: 本发明属于计算机技术领域，特别涉及一种基于人体姿态分析的无接触式姿态提取系统和帕金森等级预测方法。一种基于人体姿态分析的帕金森等级预测方法包括：获取用户行走时的运动视频；使用无接触式的姿态提取系统提取和计算所述运动视频的关节坐标，获取运动特征；对所述运动特征进行预处理操作和特征重要性分析，获取处理后的运动特征；采用特征加权改进的K‑近邻，对所述运动特征进行识别，获取帕金森严重性等级的预测结果。一种基于人体姿态分析的无接触式姿态提取系统包括：姿态坐标提取模块和姿态特征提取模块。通过上述技术方案不仅提高了对帕金森等级预测的时效性，还有效提高了检测的准确性和精度。

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

Inventor： 史云剑 ,  邹智恺 ,  吕晓永

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：CN117219265A

公开(公告)日：2023-12-12

申请号：CN202311283024.8

申请日：2023-10-07

Applicant: 东北大学秦皇岛分校

Inventor： 邹智恺 ,  张华伟 ,  赵银凇 ,  杨刚 ,  赵玉良 ,  吕晓永

IPC: G16H50/20 ,  G16H10/60 ,  G16H20/70 ,  G06F18/25

Abstract: 本发明属于计算机技术领域，其公开了多模态数据分析方法、装置、存储介质和设备。方法包括：获取待测试用户的多模态数据，多模态数据包含：行走时的步态数据和就诊时的音频数据与视频数据；对步态数据、音频数据和视频数据分别进行频谱分析处理，得到步态频谱图、音频频谱图和视频频谱图；基于完成训练的机器学习模型，对步态频谱图、音频频谱图和视频频谱图进行处理，得到多模态数据分析结果。装置包括：数据获取模块、频谱图得到模块和结果得到模块。通过上述技术方案提高了对多模态数据分析的适用性。

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

Inventor： 史云剑 ,  邹智恺 ,  李建 ,  吕晓永

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：CN117898727A

公开(公告)日：2024-04-19

申请号：CN202410079618.5

申请日：2024-01-19

Applicant: 东北大学秦皇岛分校

Inventor： 邹智恺 ,  李建 ,  尚明英 ,  吕晓永 ,  许嘉桐 ,  赵银凇

IPC: A61B5/16 ,  G06V40/20 ,  G06V40/16 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  A61B5/11 ,  A61B5/00

Abstract: 本发明涉及抑郁症检测技术领域，尤其涉及一种基于步态和面部表情变化分析的抑郁症检测方法。包括以下步骤:获取待测用户行走时的步态数据及面部表情变化视频；对所述步态数据进行特征图像编码处理，获得步态特征图像；对所述面部表情变化视频进行特征图像编码处理，获得面部表情特征图像；基于完成训练的CNN‑LSTM模型，对所述步态特征图像和面部表情特征图像进行处理，得到预测结果。本发明提出了一种基于步态和面部表情变化分析的抑郁症检测方法，有效提高了抑郁症检测的准确度。