-
公开(公告)号:CN119257556A
公开(公告)日:2025-01-07
申请号:CN202411392319.3
申请日:2024-10-08
Applicant: 吉林大学
IPC: A61B5/00 , G06F18/24 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/08 , A61B5/346
Abstract: 本发明适用于睡眠呼吸暂停检测技术领域,提供了一种基于小波变换的睡眠呼吸暂停检测方法。本发明采用离散小波分解技术,将心电图信号分解成多尺度信息作为模型输入,并融合了监督对比学习理念,构建了一个端到端的深度学习网络模型,实现了对睡眠呼吸暂停的高效、准确分类。相较于传统依赖专家手工分析方法或需复杂预处理步骤的检测方法,本发明提升了检测效率,简化了信号处理的复杂度。更重要的是,本发明直接以时序信号作为输入,避免了复杂的二次特征提取过程,这使得本发明更易于转化为实际的硬件设备以实施应用。另外,利用公开的ApneaECG数据集进行测试,本发明的预测准确率超越了当前基于心电图的自动睡眠呼吸暂停检测模型。
-
公开(公告)号:CN118280442A
公开(公告)日:2024-07-02
申请号:CN202410447268.3
申请日:2024-04-15
Applicant: 吉林大学
Abstract: 本发明适用于数据处理技术领域,提供了基于双曲图神经网络的空间转录组学中空间域识别方法,包括以下步骤:步骤S1、构建空间图;步骤S2、引入欧式空间和双曲空间下的多个流形编码器的操作用于空间转录组数据集;步骤S3、使用注意力机制融合多流形的特征;步骤S4、通过Pareto优化平衡步骤S3中原始特征与解码出来的重构特征之间的差异构造出的多个损失函数;步骤S5、使用基于高斯混合模型的聚类算法识别空间域。本发明不仅可以代替生物医学家耗时的手动划分注解空间域,将识别时间缩短,而且不依赖专家的知识水平,可以一定程度控制误差,既保证了实时性,又保证了准确性。且本发明的精确度优于现有的空间域识别模型。
-