-
公开(公告)号：CN117731243B
公开(公告)日：2025-01-14
申请号：CN202410182882.1
申请日：2024-02-19
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京科技大学
Abstract: 本发明提供一种基于步态数据特征的足部运动损伤辅助诊断方法及系统，该方法包括：数据预处理、步态数据特征空间构建、损伤辅助诊断及其有效性验证；本发明解决了现有足部运动损伤诊疗中存在的智能、精准的诊断方法短缺之问题；在受试者足部运动信息采集的基础上，基于海德堡足部测量方法对自然行走过程中关节的活动度进行精细化描述，建立足部损伤的步态数据特征空间，实现针对足部运动损伤的辅助诊断；该方法与系统为量化、综合、便捷的足部损伤诊断提供了一种新型有效的智能辅助工具，同时，也为足部康复辅具研制、下肢外骨骼机器人研发等相关领域的研究与应用提供了必要的人体测量学依据。
-
公开(公告)号：CN111820902B
公开(公告)日：2021-07-09
申请号：CN202010606588.0
申请日：2020-06-29
Applicant: 北京科技大学 , 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供一种基于活动度特征的踝关节韧带损伤智能决策系统，属于智能辅助决策技术领域。所述系统包括：采集模块，用于采集损伤组与对照组中受试者的足踝部运动信息；构建模块，用于分别构建损伤组与对照组的距下关节活动度特征空间；生成模块，用于构建深度卷积生成式对抗网络，利用所述距下关节活动度特征空间中真实的距下关节活动度特征，扩展生成损伤组与对照组的距下关节活动度特征；决策模块，用于构建长短时记忆网络，利用损伤组与对照组真实的活动度特征与扩展生成的活动度特征组成训练集对长短时记忆网络进行训练，得到踝关节韧带损伤智能决策模型。采用本发明，能够实现小样本采集条件下的踝关节韧带损伤智能、精准的决策。
-
公开(公告)号：CN111820902A
公开(公告)日：2020-10-27
申请号：CN202010606588.0
申请日：2020-06-29
Applicant: 北京科技大学 , 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供一种基于活动度特征的踝关节韧带损伤智能决策系统，属于智能辅助决策技术领域。所述系统包括：采集模块，用于采集损伤组与对照组中受试者的足踝部运动信息；构建模块，用于分别构建损伤组与对照组的距下关节活动度特征空间；生成模块，用于构建深度卷积生成式对抗网络，利用所述距下关节活动度特征空间中真实的距下关节活动度特征，扩展生成损伤组与对照组的距下关节活动度特征；决策模块，用于构建长短时记忆网络，利用损伤组与对照组真实的活动度特征与扩展生成的活动度特征组成训练集对长短时记忆网络进行训练，得到踝关节韧带损伤智能决策模型。采用本发明，能够实现小样本采集条件下的踝关节韧带损伤智能、精准的决策。
-
公开(公告)号：CN117731243A
公开(公告)日：2024-03-22
申请号：CN202410182882.1
申请日：2024-02-19
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京科技大学
Abstract: 本发明提供一种基于步态数据特征的足部运动损伤辅助诊断方法及系统，该方法包括：数据预处理、步态数据特征空间构建、损伤辅助诊断及其有效性验证；本发明解决了现有足部运动损伤诊疗中存在的智能、精准的诊断方法短缺之问题；在受试者足部运动信息采集的基础上，基于海德堡足部测量方法对自然行走过程中关节的活动度进行精细化描述，建立足部损伤的步态数据特征空间，实现针对足部运动损伤的辅助诊断；该方法与系统为量化、综合、便捷的足部损伤诊断提供了一种新型有效的智能辅助工具，同时，也为足部康复辅具研制、下肢外骨骼机器人研发等相关领域的研究与应用提供了必要的人体测量学依据。
-
公开(公告)号：CN119170267A
公开(公告)日：2024-12-20
申请号：CN202411185026.8
申请日：2024-08-27
Applicant: 北京科技大学
IPC: G16H50/30 , G16H50/70 , G16H10/20 , G06V30/22 , G06V30/19 , G06F18/25 , G06F18/2415 , G06F18/2431 , G06F16/35 , G06F16/33 , G06F40/30 , G06F40/284 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及自然语言处理技术领域，特别涉及一种基于文本特征融合的心理健康智能评估方法及系统。方法包括：获取受试者的手写笔迹图像，基于OCR技术进行手写文字识别对图像及文本数据进行预处理，采集受试者笔迹图像后的心理调查问卷；根据预处理后的图像及文本数据，基于改进的MobileVit模型提取多尺度笔迹特征、基于标准字库对比提取个性化手写特征、基于改进的Bert模型提取文本语义特征，而后进行跨模态特征融合；通过大规模预训练模型对跨模态融合特征进行分析和预测，实现心理健康的智能评估；结合心理调查问卷情况，对心理健康智能评估结果进行验证和评价，确保评估结果的准确性和可靠性。本发明能够实现对受试者心理健康状态的智能、精准评估。
-
Patent Agency Ranking
公开(公告)号：CN118296155A
公开(公告)日：2024-07-05
申请号：CN202410377491.5
申请日：2024-03-29
Applicant: 北京科技大学
Abstract: 本发明涉及自然语言处理技术领域，特别涉及一种基于大语言模型的金融事件抽取和分析方法及装置。方法包括：获取领域语料，并对各种格式的语料进行预处理；通过多级元素事件抽取和存储模块，得到层级分明的结构化事件表示并存入数据库；将预处理后的领域语料和结构化事件输入到金融事件丰富模块，得到知识增强的事件表示；将知识增强的事件表示输入到基于大语言模型的金融事件分析模块，得到事件的分析结果；将分析结果中金融产品的特征输入到知识图谱检索模块，得到事件影响到的金融产品列表。本发明充分利用大语言模型的深度理解能力，深入挖掘金融事件的内在含义，理解事件之间的关联性和潜在影响，为投资者和决策者提供更深入的事件理解。
-
公开(公告)号：CN116821357A
公开(公告)日：2023-09-29
申请号：CN202310576641.0
申请日：2023-05-19
Applicant: 北京科技大学
IPC: G06F16/36 , G06F40/30 , G06F40/216 , G06F16/35 , G06F18/214 , G06F18/23
Abstract: 本发明公开了一种政务领域知识自动发现方法及系统，涉及人工智能技术领域。包括：通过领域语料获取模块获取领域语料，并对领域语料进行预处理；将预处理后的领域语料输入到开放信息抽取模块，得到语料中的事实三元组；将事实三元组输入到关系类型发现模块，得到事实三元组的关系类型；将关系类型输入到整合命名模块，得到领域关系类型命名结果。本发明能够在政务领域文本中，设计特定的模型结构抽取事实三元组并发现其中隐含的关系类型，完成含类型的领域知识的自动发现。本发明可在无领域专家介入的情况下，获得一个领域内隐含的关系类型，对于领域知识图谱自动构建有重要意义。
-
公开(公告)号：CN114139648B
公开(公告)日：2022-08-02
申请号：CN202111488714.8
申请日：2021-12-07
Applicant: 北京科技大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F16/215 , G06F16/2458
Abstract: 本发明公开了一种尾矿充填管路异常智能检测方法及系统，该方法包括：采集尾矿充填过程中管路正常运行状态下各监测节点的管路参数，构建时序特征样本数据；其中，管路参数包括流量和压力；构建生成对抗网络模型，并利用时序特征样本数据对生成对抗网络模型进行训练，以得到用于生成伪管路参数的管路参数生成模型；利用管路参数生成模型生成伪管路参数，将当前待检测管路的实测管路参数与管路参数生成模型生成的伪管路参数进行比对；根据比对结果判断当前管路的管路参数是否处于正常范围，以实现尾矿充填管路的异常检测。本发明可实现无负样本情况下尾矿充填管路异常的智能、精准检测。
-
公开(公告)号：CN114139648A
公开(公告)日：2022-03-04
申请号：CN202111488714.8
申请日：2021-12-07
Applicant: 北京科技大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F16/215 , G06F16/2458
Abstract: 本发明公开了一种尾矿充填管路异常智能检测方法及系统，该方法包括：采集尾矿充填过程中管路正常运行状态下各监测节点的管路参数，构建时序特征样本数据；其中，管路参数包括流量和压力；构建生成对抗网络模型，并利用时序特征样本数据对生成对抗网络模型进行训练，以得到用于生成伪管路参数的管路参数生成模型；利用管路参数生成模型生成伪管路参数，将当前待检测管路的实测管路参数与管路参数生成模型生成的伪管路参数进行比对；根据比对结果判断当前管路的管路参数是否处于正常范围，以实现尾矿充填管路的异常检测。本发明可实现无负样本情况下尾矿充填管路异常的智能、精准检测。
-
公开(公告)号：CN110443172A
公开(公告)日：2019-11-12
申请号：CN201910678925.4
申请日：2019-07-25
Applicant: 北京科技大学
Abstract: 本发明提供一种基于超分辨率和模型压缩的目标检测方法及系统，该方法包括：采用分辨率高的图像作为训练的标签，采用对应的分辨率低的图像作为训练的样本，训练超分辨率模型；利用训练好的超分辨率模型对待处理的低分辨率图像进行处理，生成对应的高分辨率图像；对Faster-RCNN网络按照预设方法进行改进，对超分辨率模型生成的高分辨率图像，使用改进后的Faster-RCNN网络训练目标检测模型；采用预设的模型压缩方法对训练好的目标检测模型进行压缩，使得其能被部署到智能终端上。本发明的方案可以对卫星拍摄的低分辨率的卫星图像实现实时目标检测，且具有良好的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.043 seconds)
