-
公开(公告)号：CN109004709A
公开(公告)日：2018-12-14
申请号：CN201810865872.2
申请日：2018-08-01
Applicant: 乐普医学电子仪器股份有限公司 , 复旦大学
IPC: H02J7/00
Abstract: 一种多路开关切换控制的高压充电电路，包括微控制器、反激式高压充电电路、开关切换电路和储能电容组；所述的储能电容组由串联在一起的多个储能电容组成，开关切换电路包括并列设置的多个开关，储能电容组的每个储能电容均经过开关切换电路中的不同开关连接反激式高压充电电路；所述的反激式高压充电电路用于对各个储能电容进行充电；所述的微控制器能够向开关切换电路输出开关控制信号、能够向反激式高压充电电路输出充电控制信号，并通过检测储能电容组中各电容的反馈电压以实时监控整个充电过程。本发明既能够保证各储能电容上的充电电压均衡，又能够降低电路中各器件所需承受的电压降。
-
公开(公告)号：CN109038725B
公开(公告)日：2020-06-05
申请号：CN201810864509.9
申请日：2018-08-01
Applicant: 乐普医学电子仪器股份有限公司 , 复旦大学
IPC: H02J7/00
Abstract: 一种控制脉冲自适应调节的高压充电电路，由微控制器、控制脉冲自适应调节电路、反激式高压充电电路以及储能电容组成，储能电容用于存储高压能量，所述的微控制器能够输出充电控制信号和多路参考电压到控制脉冲自适应调节电路，并实时检测储能电容的反馈电压；所述的控制脉冲自适应调节电路能够将反激式高压充电电路以及储能电容的多路反馈电压与微控制器输出的对应参考电压进行比较，通过逻辑控制电路分析后输出脉冲控制信号，控制反激式高压充电电路的通断；所述的反激式高压充电电路用于对储能电容进行充电。本发明通过优化充电过程，能够实现对储能电容高效、快速充电，适用于植入式除颤器或体外除颤器及其他需要进行高压充电的场合。
-
公开(公告)号：CN109038725A
公开(公告)日：2018-12-18
申请号：CN201810864509.9
申请日：2018-08-01
Applicant: 乐普医学电子仪器股份有限公司 , 复旦大学
IPC: H02J7/00
Abstract: 一种控制脉冲自适应调节的高压充电电路，由微控制器、控制脉冲自适应调节电路、反激式高压充电电路以及储能电容组成，储能电容用于存储高压能量，所述的微控制器能够输出充电控制信号和多路参考电压到控制脉冲自适应调节电路，并实时检测储能电容的反馈电压；所述的控制脉冲自适应调节电路能够将反激式高压充电电路以及储能电容的多路反馈电压与微控制器输出的对应参考电压进行比较，通过逻辑控制电路分析后输出脉冲控制信号，控制反激式高压充电电路的通断；所述的反激式高压充电电路用于对储能电容进行充电。本发明通过优化充电过程，能够实现对储能电容高效、快速充电，适用于植入式除颤器或体外除颤器及其他需要进行高压充电的场合。
-
公开(公告)号：CN108992780A
公开(公告)日：2018-12-14
申请号：CN201810865883.0
申请日：2018-08-01
Applicant: 乐普医学电子仪器股份有限公司 , 复旦大学
IPC: A61N1/39
Abstract: 一种可精确控制导通过程的除颤器桥式放电电路，包括逻辑控制模块、驱动电路供电模块、电子开关驱动模块和桥式放电电路模块；所述的桥式放电电路模块通过电子开关的有序导通，实现对双相指数截尾波的发放控制；所述的驱动电路供电模块用于对电子开关驱动模块进行供电，电子开关驱动模块为桥式放电电路模块中电子开关的导通提供足够的电压和电流；所述的逻辑控制模块输出控制信号控制电子开关驱动模块的通断，实现对电子开关导通顺序和时间的控制。本发明解决了放电电路控制过程中存在的安全隐患，优化了放电桥路高压端电子开关的控制方法，能够实现在目标负载上精确可控的双相指数截尾波发放。
-
公开(公告)号：CN114569116B
公开(公告)日：2025-01-03
申请号：CN202210039478.X
申请日：2022-01-13
IPC: A61B5/11 , A61B5/024 , A61B5/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/096 , G06N20/00
Abstract: 本发明属于医疗仪器技术领域，具体为一种基于三通道图像及迁移学习的心冲击图室颤辅助诊断系统。本发明系统包括信号预处理模块、图像转换模块、特征提取模块、归一化处理模块以及分类器；本发明通过自定义方式，将一维BCG信号转换为三个单通道二维图，而后拼接为一个三通道图像，以此为输入张量，将由大型图像库预训练得到的多个CNN模型迁移到BCG域进行学习，由各模型中间层提取特征值并拼接为一维特征向量，而后经全连接层或机器学习分类器等实现对室颤、窦性心律以及运动伪迹的自动判别。本发明可有效解决由于BCG波形多样性和小样本量特性而导致的室颤识别困难问题，为家庭心血管疾病健康长期监护提供可行方案。
-
Patent Agency Ranking
公开(公告)号：CN114271927B
公开(公告)日：2023-10-17
申请号：CN202111557609.5
申请日：2021-12-19
Abstract: 本发明属于医疗仪器技术领域，具体为一种可实时预测心律失常射频消融损伤深度的方法及射频消融仪。本发明采用粒子群优化反向传播(PSO‑BP)神经网络对消融损伤深度进行预测，通过机器学习建立消融时间、电极‑组织接触压力(CF)、消融功率三个射频消融参数与消融损伤深度的量化关系，即从三个射频消融参数得到与消融损伤深度对应的“消融深度指数”。然后将消融深度指数模型移植到射频消融仪中，辅助医生在心律失常射频消融实施过程中实现对消融深度的精准控制，具有临床应用前景。
-
公开(公告)号：CN116172688A
公开(公告)日：2023-05-30
申请号：CN202211549908.9
申请日：2022-12-05
IPC: A61B18/12 , G06F18/214 , G06F18/2411 , A61B18/00
Abstract: 本发明属于医疗仪器技术领域，具体为一种基于支撑向量回归的射频消融损伤深度预测模型和系统。本发明首先建立SVR消融损伤深度预测模型，包括根据射频消融参数：时间、CF、功率和阻抗以及消融损伤深度信息建立SVR参数模型；采用GA算法对SVR模型的惩罚因子C和核函数参数g进行优化；然后，消融实验获取的数据集对优化后的SVR模型进行训练，得到可预测射频消融损伤深度的GA‑SVR模型。最后，把GA‑SVR预测模型植入到射频消融仪中，实现射频消融实施过程中的消融损伤深度预测系统。本发明可以指导医生开展射频消融术，具有很高的临床应用价值。
-
公开(公告)号：CN118348466A
公开(公告)日：2024-07-16
申请号：CN202410481055.2
申请日：2024-04-22
Applicant: 复旦大学
IPC: G01R33/48 , G01R33/385 , G01R1/04
Abstract: 本发明属于医疗仪器技术领域，具体为一种预测不锈钢骨板在磁共振成像(MRI)系统中射频温升的方法。本发明首先构建MRI系统中用于产生射频磁场的鸟笼线圈模型、符合ASTM标准的仿体模型以及不锈钢骨板模型。同时应用这些模型使用Sim4life软件在1.5T/64MHz MRI环境下对不锈钢骨板‑ASTM仿体的射频温升进行计算机建模仿真。改变不锈钢骨板的长度和宽度进行一系列射频温升仿真实验,构建不同不锈钢骨板长度和宽度对应的射频最高温升数据集；在此基础上，采用多元二项式回归模型，根据不锈钢骨板的长度和宽度预测射频最高温升。本发明为确保MRI检查的安全性提供了科学依据，对于临床MRI的安全应用具有重要的指导意义。
-
公开(公告)号：CN116798615A
公开(公告)日：2023-09-22
申请号：CN202310544094.8
申请日：2023-05-15
Applicant: 复旦大学
Abstract: 本发明属于医疗电子技术领域，具体为一种高功率短时程的射频消融损伤量化消融指标的预测方法。本发明包括对于高功率短时程下的射频消融离体实验进行分析，确定输入和输出参数的量化消融指标；设计射频消融离体实验方案，并对实验得到的数据进行预处理；建立BP神经网络模型，将数据集输入模型中进行训练，根据训练结果对网络进行调参以保证得到最优的BP神经网络模型；计算BP神经网络模型的评价指标，模型预测的结果进行评估，得到参数间的相关性。本发明分析了射频消融实验中的量化消融指标，建立量化消融指标和射频消融损伤的映射关系，以实现对射频消融损伤更准确、更完善的预测，指导医生高效地进行射频消融手术，具有医疗应用价值。
-
公开(公告)号：CN114569116A
公开(公告)日：2022-06-03
申请号：CN202210039478.X
申请日：2022-01-13
Applicant: 复旦大学
IPC: A61B5/11 , A61B5/024 , A61B5/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06N20/00 , G06K9/62
Abstract: 本发明属于医疗仪器技术领域，具体为一种基于三通道图像及迁移学习的心冲击图室颤辅助诊断系统。本发明系统包括信号预处理模块、图像转换模块、特征提取模块、归一化处理模块以及分类器；本发明通过自定义方式，将一维BCG信号转换为三个单通道二维图，而后拼接为一个三通道图像，以此为输入张量，将由大型图像库预训练得到的多个CNN模型迁移到BCG域进行学习，由各模型中间层提取特征值并拼接为一维特征向量，而后经全连接层或机器学习分类器等实现对室颤、窦性心律以及运动伪迹的自动判别。本发明可有效解决由于BCG波形多样性和小样本量特性而导致的室颤识别困难问题，为家庭心血管疾病健康长期监护提供可行方案。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.11 seconds)
