-
公开(公告)号：CN118279235A
公开(公告)日：2024-07-02
申请号：CN202410057501.7
申请日：2024-01-15
Applicant: 华东理工大学
Abstract: 本发明揭示了一种基于深度学习的舌体分割及中医诊断的方法和系统，旨在协助医生准确辨识舌体特征，进行中医诊断，从而提高诊断的客观性和规范性，以进一步提升准确性。具体步骤如下：S1通过摄像头拍摄患者口腔舌体图片，以供舌体分割模型进行输入；S2将拍摄得到的患者图片输入基于深度学习的舌体分割模型，以便对舌体部分进行识别和分割，为特征识别模型提供输入；S3将分割后的舌体送入基于卷积神经网络的特征识别模型，进行特征识别，并将结果提供给诊断模型，同时建立舌体的三维模型；S4将舌体特征送入基于大语言模型的医学诊断模型，执行中医诊断，并将模型的诊断结果反馈给用户进行展示。
-
公开(公告)号：CN111443161B
公开(公告)日：2021-01-05
申请号：CN202010077153.1
申请日：2020-01-23
Applicant: 华东理工大学
Abstract: 本发明提供一种气敏‑色谱多信息融合的电子鼻仪器随时现场检测与分析方法，组成单元包括气敏传感器阵列、毛细管气相色谱柱、气体自动顶空进样、计算机控制与分析、大容量顶空挥发气发生、自动进样升降诸模块，以及辅助气源。在气体进样周期T＝300‑600s内，气敏传感器阵列和毛细管气相色谱柱二模块被测气体进样流量与累积进样量不等，进样时间不同步，感知信息选择与分析时间同步；对被测样品进行一次随时现场检测，得到一个包含响应峰值、出峰时间和曲线下面积的69维感知样本。电子鼻仪器检测多个样品，建立气味大数据，机器学习级联模型因此实现调味品、香料香精、食品、石蜡的现场识别和气味质量等级与主要成分浓度的现场量化预测。
-
Patent Agency Ranking
公开(公告)号：CN118643829A
公开(公告)日：2024-09-13
申请号：CN202310238108.3
申请日：2023-03-13
Applicant: 华东理工大学
IPC: G06F40/295 , G06V30/413 , G06V30/19 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种端到端化学反应指代消解方法和系统，用于化学反应中实体的指代关系识别，提高了化学反应指代消解的准确率。包括如下步骤：S1通过字符识别技术对化学专利中的反应文本进行识别，S2对化学反应文本段落进行分词处理供模型输入；S3将文本送入基于深度学习的端到端指代消解模型中对化学反应中实体及其指代关系进行识别；S4将模型输出的反应实体关系生成标准标注文件。
-
公开(公告)号：CN108896706A
公开(公告)日：2018-11-27
申请号：CN201810471708.3
申请日：2018-05-17
Applicant: 华东理工大学
Abstract: 本发明涉及大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法，恶臭大数据包括：恶臭标准样品和污染现场的气敏传感器阵列在线检测数据、实验室嗅辨数据、色/质谱等常规仪器离线检测数据，以及居民投诉数据；本发明将多种恶臭污染物浓度估计与预测问题先看成多个气敏传感器响应一一预测问题，再看成多种浓度值一一预测问题；机器学习模型由模块化卷积神经网络层和模块化深度神经网络层级联组成；卷积神经网络层在线学习气敏传感器阵列近期时间序列响应，并据此预测即将发生的响应；深度神经网络层离线学习恶臭大数据，负责预测多种恶臭污染物浓度。本发明的分析方法可实现多个监测点多种恶臭污染物浓度控制指标值的循环在线估计与预测。
-
公开(公告)号：CN114254641A
公开(公告)日：2022-03-29
申请号：CN202111489752.5
申请日：2021-12-08
Applicant: 华东理工大学
IPC: G06F40/295 , G06F40/289 , G06F40/205 , G06V30/41 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的化学反应事件抽取方法和系统。本方法包括以下步骤：S1从pdf文献中截取与化学反应相关的文本图片，并利用OCR技术将其转换为文本文件；S2借助NLP工具包对其进行分句分词，获取标准化的数据；S3搭建神经网络模型识别与化学反应事件相关的实体；S4调整输入特征，利用网络模型对句子中的触发词进行抽取；S5引入图卷积网络，检测事件元素，建立触发词与相应反应实体间的关系，从而完成对一个化学反应事件的完整描述。本发明通过构建深度学习模型从化学文献中抽取涵盖化学反应的相关文本，将非结构化数据转换为结构化数据，丰富了化学反应数据库，推动了相关领域的任务进展。
-
公开(公告)号：CN111443161A
公开(公告)日：2020-07-24
申请号：CN202010077153.1
申请日：2020-01-23
Applicant: 华东理工大学
Abstract: 本发明提供一种气敏-色谱多信息融合的电子鼻仪器随时现场检测与分析方法，组成单元包括气敏传感器阵列、毛细管气相色谱柱、气体自动顶空进样、计算机控制与分析、大容量顶空挥发气发生、自动进样升降诸模块，以及辅助气源。在气体进样周期T＝300-600s内，气敏传感器阵列和毛细管气相色谱柱二模块被测气体进样流量与累积进样量不等，进样时间不同步，感知信息选择与分析时间同步；对被测样品进行一次随时现场检测，得到一个包含响应峰值、出峰时间和曲线下面积的69维感知样本。电子鼻仪器检测多个样品，建立气味大数据，机器学习级联模型因此实现调味品、香料香精、食品、石蜡的现场识别和气味质量等级与主要成分浓度的现场量化预测。
-
公开(公告)号：CN108896706B
公开(公告)日：2019-04-16
申请号：CN201810471708.3
申请日：2018-05-17
Applicant: 华东理工大学
Abstract: 本发明涉及大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法，恶臭大数据包括：恶臭标准样品和污染现场的气敏传感器阵列在线检测数据、实验室嗅辨数据、色/质谱等常规仪器离线检测数据，以及居民投诉数据；本发明将多种恶臭污染物浓度估计与预测问题先看成多个气敏传感器响应一一预测问题，再看成多种浓度值一一预测问题；机器学习模型由模块化卷积神经网络层和模块化深度神经网络层级联组成；卷积神经网络层在线学习气敏传感器阵列近期时间序列响应，并据此预测即将发生的响应；深度神经网络层离线学习恶臭大数据，负责预测多种恶臭污染物浓度。本发明的分析方法可实现多个监测点多种恶臭污染物浓度控制指标值的循环在线估计与预测。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
