-
公开(公告)号：CN119172334A
公开(公告)日：2024-12-20
申请号：CN202411654417.X
申请日：2024-11-19
Applicant: 中南大学
Abstract: 本申请公开了一种动态网络异构资源管理与任务分配方法、系统及设备，该方法通过构建多个约束条件；构建用于最大化任务执行效用并最小化资源消耗和能耗的第一目标函数；基于第一目标函数和多个约束条件，采用拉格朗日松弛求解得到静态任务分配策略；构建对静态任务分配策略进行资源调整时的动态任务分配策略，并基于动态任务分配策略，采用马尔可夫决策过程对每个时间步的资源进行调整，得到每个时间步的目标资源调整量；根据静态任务分配策略和目标资源调整量，构建静态任务更新策略；基于静态任务分配策略、动态任务分配策略以及静态任务更新策略，采用交替优化得到目标任务分配策略。本申请能够提高整体资源利用率，并且提高任务执行效率。
-
公开(公告)号：CN119052161A
公开(公告)日：2024-11-29
申请号：CN202411540302.8
申请日：2024-10-31
Applicant: 中南大学
Abstract: 本申请公开了一种基于物联网的动态多源数据聚合与调度方法、系统及设备，该方法设置基于物联网的动态多源数据聚合与调度过程中的多个约束条件，多源数据为来自不同的物联网节点的数据；在满足多个约束条件的情况下，构建第一目标函数，第一目标函数为对基于物联网的动态多源数据聚合与调度过程中传输的数据进行数据冗余最小化和传输效率最大化；根据第一目标函数，确认全局目标路径集；在采用全局目标路径集对多源数据进行聚合与调度时，计算全局目标路径集中所有物联网节点的已用资源与节点总资源之间的比值；根据比值，调整多源数据进行聚合与调度时的资源分配。本申请能够提高任务调度效率和减少传输延迟。
-
公开(公告)号：CN119033373A
公开(公告)日：2024-11-29
申请号：CN202411530032.2
申请日：2024-10-30
Applicant: 中南大学
IPC: A61B5/1455 , A61B5/00 , A61B5/145 , G06F18/25 , G06F17/10
Abstract: 本申请适用于血糖检测技术领域，提供了一种基于多波长PPG传感器融合的血糖检测系统，包括：信号采集装置和处理器，信号采集装置包括用于产生多种不同中心波长的光的光源、透射接收模块、第一反射接收模块、第二反射接收模块、第一温湿度采集模块、第二温湿度采集模块和第三温湿度采集模块；处理器用于提取温湿度信号、手指所属对象的人口学信息、多种光对应的PPG信号的特征信息，并对提取到的特征信息进行融合，将融合结果输入血糖检测模型进行预测，得到血糖检测结果。本申请能提升血糖检测的准确性。
-
公开(公告)号：CN119052161B
公开(公告)日：2025-01-14
申请号：CN202411540302.8
申请日：2024-10-31
Applicant: 中南大学
Abstract: 本申请公开了一种基于物联网的动态多源数据聚合与调度方法、系统及设备，该方法设置基于物联网的动态多源数据聚合与调度过程中的多个约束条件，多源数据为来自不同的物联网节点的数据；在满足多个约束条件的情况下，构建第一目标函数，第一目标函数为对基于物联网的动态多源数据聚合与调度过程中传输的数据进行数据冗余最小化和传输效率最大化；根据第一目标函数，确认全局目标路径集；在采用全局目标路径集对多源数据进行聚合与调度时，计算全局目标路径集中所有物联网节点的已用资源与节点总资源之间的比值；根据比值，调整多源数据进行聚合与调度时的资源分配。本申请能够提高任务调度效率和减少传输延迟。
-
公开(公告)号：CN117598711A
公开(公告)日：2024-02-27
申请号：CN202410096841.0
申请日：2024-01-24
Applicant: 中南大学
IPC: A61B5/366 , A61B5/00 , G06F18/15 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F18/214 , G06F18/25
Abstract: 本申请涉及了一种心电信号的QRS波群检测方法、装置、设备及介质，本心电信号的QRS波群检测方法采用DenseNet和双通道LSTM组成检测模型，通过DenseNet学习心电信号中QRS波群的空间特征信息，然后利用将DenseNet学习到的空间特征与时序数据输入至双通道LSTM各自通道中，以使得双通道LSTM能够融合心电信号中的QRS波群的空间信息和时序信息，提升模型对于特征的分割效果，最终提升检测QRS波群的准确程度。
-
Patent Agency Ranking
公开(公告)号：CN117059264A
公开(公告)日：2023-11-14
申请号：CN202310767378.3
申请日：2023-06-27
Applicant: 中南大学
IPC: G16H50/30 , G16H50/70 , G16H10/60 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本申请适用于医学数据技术领域，提供了一种疾病预测方法、装置、设备及介质。该疾病预测方法包括：通过基于电子健康记录数据中的医学编码构建共现关系图；基于医学编码的编码类型构建异构关系图；基于共现关系图获取所有医学编码的第一最终编码表示矩阵；基于异构关系图获取所有医学编码的第二最终编码表示矩阵；利用第二最终编码表示矩阵对第一最终编码表示矩阵进行优化，得到所有医学编码的完整表示矩阵；基于医学编码的完整表示矩阵，通过改进的GRU模型对待预测患者的就诊记录进行处理，获得待预测患者的患者最终表示；对待预测患者的患者最终表示进行评估，得到待预测患者的预测结果。本申请的预测方法能够显著提高疾病预测的准确性。
-
公开(公告)号：CN119475100B
公开(公告)日：2025-05-06
申请号：CN202510036178.X
申请日：2025-01-09
Applicant: 中南大学
IPC: G06F18/2415 , G16H50/30 , G06N3/0455 , G06F18/10 , G06F18/2131 , G06F18/27
Abstract: 本发明公开了一种基于多生命体征时序数据的健康状态预测方法，方法包括：获取多个不同模态的生命体征时序数据；将多个生命体征时序数据输入切片分块频域时间序列处理模块进行预处理，得到增强特征矩阵，预处理包括：对每个生命体征时序数据进行时间片段划分，得到多个片段数据，对每个片段数据进行特征提取，得到时域片段特征，对每个时域片段特征进行频域转换，得到频域片段特征，将频域片段特征转换回时间域，获得增强特征矩阵；将增强特征矩阵输入Transformer模块，得到健康状态预测结果，Transformer模块包括编码器模块、解码器模块和输出层模块。本发明能够提升模型在应对多模态和动态特征时的适应性与泛化性。
-
公开(公告)号：CN119377648B
公开(公告)日：2025-03-25
申请号：CN202411960734.4
申请日：2024-12-30
Applicant: 中南大学
IPC: G06F18/213 , A61B5/318 , A61B5/363 , A61B5/00 , G06F18/22 , G06N3/0464 , G06N3/042 , G06N3/045 , A61B5/349
Abstract: 本申请涉及医疗大数据技术领域，提供了一种基于图神经网络的心律失常检测系统，该系统包括：获取模块用于获取多个心电导联数据；嵌入模块用于利用时间特征提取编码器获取信号特征，并将信号特征嵌入得到拓扑图；构建模块用于构建时间衰减矩阵和空间知识引导矩阵，将时间衰减矩阵、空间知识引导矩阵和拓扑图的邻接矩阵相乘，得到拓扑图的相关邻接矩阵；更新模块，用于利用相关邻接矩阵对拓扑图进行更新，得到最终拓扑图，并利用图神经网络对最终拓扑图进行特征提取，得到最终拓扑图的整体特征表示；心律失常检测模块用于基于整体特征表示进行心律失常检测，得到心律失常检测结果。本申请的系统能够提高心律失常检测的准确性。
-
公开(公告)号：CN119475100A
公开(公告)日：2025-02-18
申请号：CN202510036178.X
申请日：2025-01-09
Applicant: 中南大学
IPC: G06F18/2415 , G16H50/30 , G06N3/0455 , G06F18/10 , G06F18/2131 , G06F18/27
Abstract: 本发明公开了一种基于多生命体征时序数据的健康状态预测方法，方法包括：获取多个不同模态的生命体征时序数据；将多个生命体征时序数据输入切片分块频域时间序列处理模块进行预处理，得到增强特征矩阵，预处理包括：对每个生命体征时序数据进行时间片段划分，得到多个片段数据，对每个片段数据进行特征提取，得到时域片段特征，对每个时域片段特征进行频域转换，得到频域片段特征，将频域片段特征转换回时间域，获得增强特征矩阵；将增强特征矩阵输入Transformer模块，得到健康状态预测结果，Transformer模块包括编码器模块、解码器模块和输出层模块。本发明能够提升模型在应对多模态和动态特征时的适应性与泛化性。
-
公开(公告)号：CN119453975A
公开(公告)日：2025-02-18
申请号：CN202510065879.6
申请日：2025-01-16
Applicant: 中南大学
IPC: A61B5/026 , A61B5/00 , A61B5/021 , A61B5/024 , A61B5/1455 , G06F18/10 , G06F18/2131 , G06F18/2433 , G06F18/25 , G06N3/0455 , G06N3/0495 , G06N3/084
Abstract: 本发明涉及信号自适应降噪技术领域，提供了一种基于小波变换与自编码器的PPG信号自适应降噪方法；该方法结合自适应变分模态分解、平稳小波去噪、多维一致性优化、同步更新技术和拉格朗日乘子约束调整技术对PPG信号去除高频噪声，能够更好地适应驾驶员的个体差异和信号的复杂性；采用对比损失、加权重构误差和稀疏性正则化优化自编码器的总损失函数，增强了对异常健康状态的敏感度和判断能力；该方法能在多维度上精准地还原和评估PPG信号，为驾驶员健康状态的持续监测提供了可靠的技术支持，具有较高的稳定性和可扩展性，能够为车辆安全驾驶和驾驶员健康管理提供重要保障。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
