-
公开(公告)号：CN116712062A
公开(公告)日：2023-09-08
申请号：CN202310794678.0
申请日：2023-06-29
Applicant: 东南大学
IPC: A61B5/103
Abstract: 本发明公开一种褥疮风险监测中压力传感器稀疏化系统，包括压力传感器稀疏分布模块、压力传感器阵列稀疏表示模型建立模块、压力传感器位置调节模块、医疗床结合模块以及褥疮风险监测模块。压力传感器稀疏分布模块，获得针对监测褥疮风险问题的压力传感器最优位置分布；压力传感器阵列稀疏表示模型建立模块实现压力传感器阵列信号的稀疏化表示；压力传感器位置调节模块实现压力传感器在所属分布区域内的适当移动；医疗床结合模块实现对压力数据的有效采集；褥疮风险监测模块实现对发生褥疮的预警。本发明能够实现在褥疮风险监测中压力传感器合理稀疏化，并实现在不同环境下对不同对象、在不同场景下褥疮风险的有效监测。
-
公开(公告)号：CN117306919A
公开(公告)日：2023-12-29
申请号：CN202311096190.7
申请日：2023-08-29
Applicant: 东南大学
Abstract: 本申请涉及一种智能光伏充电停车棚。该智能光伏充电停车棚包括：支撑柱的底端固定于地面，支撑柱的顶端与T型梁固定连接，梁材固定于T型梁上，太阳能电池板组件铺设于梁材上，形成停车棚，充电桩设置于地面靠近支撑柱的位置，使充电桩位于停车棚下，太阳能电池板组件通过电缆与充电桩连接，太阳能电池板组件通过光源发电输出直流电，通过电缆将直流电传输至充电桩，充电桩根据使用状态进行蓄电或放电。由此，通过主要采用太阳能供电，减小电网的供电压力，缓解能源问题，减轻电网的压力，进一步的，将太阳能电池板组件作为车棚，合理利用空间，也可以使太阳能电池板组件更好的收集阳光，提高能源的转化率。
-
公开(公告)号：CN119494026A
公开(公告)日：2025-02-21
申请号：CN202411358122.8
申请日：2024-09-27
Applicant: 东南大学
IPC: G06F18/241 , G06F18/214 , G06F18/10
Abstract: 本发明公开了一种基于深度学习的心律失常智能分类装置，包括：数据集构建模块、数据预处理模块、心律失常智能分类网络构建训练模块，分析模块；数据集构建模块，用于构建心律样本数据集，数据预处理模块应用小波去噪方法扩充数据集，利用欠采样原理对数据分布较多的心拍类型数据集进行随机抽样，心律失常智能分类网络构建训练模块，基于DenseNet‑201网络构建心律失常智能分类网络，采用Adam优化器以及学习率衰减策略进行模型训练，对心律失常数据集进行分类。分析模块利用HiResCAM、LIME、SHAP等多种方法对模型分类结果进行解释。本发明不仅能够迅速的对心电图进行分析，还能直观地展示模型类型判断的依据。
-
Patent Agency Ranking
公开(公告)号：CN117672213A
公开(公告)日：2024-03-08
申请号：CN202311406756.1
申请日：2023-10-26
Applicant: 东南大学
IPC: G10L15/22 , G10L15/26 , G10L13/08 , G10L21/10 , G10L15/16 , G06T13/40 , G06F3/04815 , G06N3/0455 , G06N20/00
Abstract: 本申请涉及一种基于元宇宙的虚拟数字人交互方法。该方法包括：在虚拟数字人的交互界面中交互事件被触发时，获取所述交互事件被触发时接收到的交互数据，在所述交互数据包括有语音数据的情况下，调用基于CTC模型与Attention模型结合的语音识别模型对所述语音数据进行语音识别处理，获得识别的文本数据，将所述文本数据或识别的文本数据通过api接口输入到chatGPT中进行处理，获得对应的回复数据，调用基于TTS技术的语音转换模型对所述回复文本进行语音转换，获得语音回复数据，根据所述回复文本的内容，控制预先建模好的虚拟数字人执行相应的动作，并播放对应的语音回复数据。由此，提高了元宇宙的虚拟数字人的交互性能。
-
公开(公告)号：CN117297582A
公开(公告)日：2023-12-29
申请号：CN202311070908.5
申请日：2023-08-24
Applicant: 东南大学
IPC: A61B5/08 , G06F18/213 , G06N3/0442 , G06N3/0464 , G06N3/08 , A61B5/00 , A61M16/00 , A61M16/06
Abstract: 本发明提出一种基于深度学习的高空飞行呼吸特性参数分析与呼吸变化趋势预测的方法及系统，基于深度学习的呼吸特性参数分析与变化趋势预测模型，根据压力传感器与位移传感器采集的呼吸数据来提取相关时间序列波形参数特征，然后通过呼吸特征设计基于判别典型相关分析的多模式下的特征融合算法，预测人体呼吸特性的变化趋势。同时，为了实现呼吸变化趋势的预测，本发明将呼吸参数序列的各个特征向量通过滑动窗口的方式转化为网络的输入和输出，然后采用深度学习网络进行数据建模和预测，并使用迭代预测的方式获得较长期的预测拟合结果，最终建立了基于深度学习的呼吸指标预测模型，为飞行员高空飞行的呼吸信号监测和调节提供规范化参考。
-
公开(公告)号：CN119397325A
公开(公告)日：2025-02-07
申请号：CN202411358123.2
申请日：2024-09-27
Applicant: 东南大学
IPC: G06F18/24 , A61B5/318 , A61B5/346 , A61B5/00 , A61B5/361 , A61B5/363 , G06F18/15 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/0442 , G16H50/20
Abstract: 本发明公开了一种针对动态心电的心律失常智能多分类装置，包括数据采集预处理模块、心律失常智能多分类神经网络构建和训练模块、自动编码模块、集成模块。数据采集预处理模块对心电图数据进行特征提取和预处理，构建心电信号数据集包括心电信号数据的特征、及其对应的类别标签值，心律失常智能多分类神经网络包括若干个卷积块、归一化层、激活函数，以心电信号数据集训练神经网络得到心律失常智能多分类模型。自动编码模块，以心电信号数据的特征值为输入，获得对应分类结果。集成模块对两个模型的输出进行比较输出最终分类结果，本发明能对于数据量较少的心率失常类别，提高分类准确率，本装置能为临床医生提供诊断参考与依据。
-
公开(公告)号：CN117574281A
公开(公告)日：2024-02-20
申请号：CN202311427010.9
申请日：2023-10-31
Applicant: 东南大学
IPC: G06F18/2431 , A61B5/363 , A61B5/318 , A61B5/00 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种针对长程心电信号的心律失常多分类模型，包括数据处理模块、深度神经网络模块、自动编码器模块和集成模块；数据处理模块用于读取心电信号数据的特征值和标签值，将特征值和标签值对应打包成数据组；深度神经网络模块和自动编码器模块均用于获取长程心电信号的诊断结果；集成模块用于对深度神经网络模块和自动编码器模块的诊断结果进行比较，选择获得最高投票数的类别作为最终的诊断结果。利用本发明可将检测获取的心电信号分为正常、房颤、早搏和其他异常等四种类型，并且可以输出异常心电信号的时间段信息，便于医生定位到异常信号进行确认，为医生提供更为精确的诊断依据。
-
公开(公告)号：CN117034138A
公开(公告)日：2023-11-10
申请号：CN202310925898.2
申请日：2023-07-25
Applicant: 东南大学
IPC: G06F18/2415 , G06F18/22 , G06F16/2458
Abstract: 本发明公开了一种针对数据处理的模糊粗糙集的多标签特征选择方法，首先，利用DiceCoeffient挖掘所有样本共享的标记相关性；同时，利用Hausdorff度量来估计局部的标记相关性；在此基础上，定义标记的固有权重和交互权重，并将这两种权重信息结合起来，构建多标记FRS模型进行特征选择，进而提出模糊以来函数来评价特征的重要性，并设计一种前向贪婪特征选择方法来选择出最优特征子集；最后，通过实验验证了该算法的有效性和效率。本发明不仅可以作为一种客观、有效的处理不完备信息的数学工具，而且在后续前瞻性实验中验证了该方法在高维数据处理中具有现实的应用价值。同时，本发明也拓展了模糊粗糙集的理论研究，使其具有更加广泛的应用范围。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
