-
公开(公告)号:CN116383617A
公开(公告)日:2023-07-04
申请号:CN202310434424.8
申请日:2023-04-21
Applicant: 复旦大学
IPC: G06F18/15 , A61B5/021 , A61B5/00 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/25 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/44 , G06V10/766 , G06V10/80 , G06V10/82 , G06F123/02
Abstract: 本发明公开一种基于脉搏波波形特征的智能血压检测方法及系统,涉及智能血压检测领域。该方法包括:步骤S1—S4。该系统包括:脉搏波脉搏波信号采集装置和数据存储与计算装置。本发明提供的基于脉搏波波形特征的智能血压检测方法,数据预处理包含标签分布平滑算法,能提高训练过程中非正常血压值标签关注度;使用全尺寸并行计算卷积核能快速得到最佳感受野,捕捉脉搏波单个心动周期波形特征;通过视觉转换器提取类二维图像特征矩阵中脉搏波多个心动周期波形特征;融合个体信息进行血压检测。该方法通过经迭代训练的最佳血压预测网络模型智能地提取脉搏波信号中单/多个心动周期的波形特征,实现基于脉搏波波形特征的个性化精准血压检测。
-
公开(公告)号:CN117349707A
公开(公告)日:2024-01-05
申请号:CN202311463699.0
申请日:2023-11-06
Applicant: 复旦大学
IPC: G06F18/24 , G06N3/0455 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0985
Abstract: 本发明提供一种脑电信号运动想象解码方法及深度学习神经网络模型,网络结构包括初始特征提取模块、多分支transformer模块、融合注意力模块和分类器模块,初始特征提取模块初步提取脑电信号的时空特征图;多分支transformer模块将初始特征提取模块输出的时空特征图处理为不同特征深度组合的长短不一的特征序列;融合注意力模块依据自注意力机制将特征序列融合起来,获取用于分类的最终特征;分类器模块利用融合注意力模块输出,再通过线性求和学习序列内部元素之间的位置关系,完成分类,实现对运动想象脑电数据的全局时空频特征的有效学习,以端到端的神经网络模型,能够简洁且精准预测运动想象动作标签。
-
公开(公告)号:CN116383617B
公开(公告)日:2023-09-22
申请号:CN202310434424.8
申请日:2023-04-21
Applicant: 复旦大学
IPC: G06F18/15 , A61B5/021 , A61B5/00 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/25 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/44 , G06V10/766 , G06V10/80 , G06V10/82 , G06F123/02
Abstract: 本发明公开一种基于脉搏波波形特征的智能血压检测方法及系统,涉及智能血压检测领域。该方法包括:步骤S1—S4。该系统包括:脉搏波脉搏波信号采集装置和数据存储与计算装置。本发明提供的基于脉搏波波形特征的智能血压检测方法,数据预处理包含标签分布平滑算法,能提高训练过程中非正常血压值标签关注度;使用全尺寸并行计算卷积核能快速得到最佳感受野,捕捉脉搏波单个心动周期波形特征;通过视觉转换器提取类二维图像特征矩阵中脉搏波多个心动周期波形特征;融合个体信息进行血压检测。该方法通过经迭代训练的最佳血压预测网络模型智能地提取脉搏波信号中单/多个心动周期的波形特征,实现基于脉搏波波形特征的个性化精准血压检测。
-
-