-
公开(公告)号：CN110313900A
公开(公告)日：2019-10-11
申请号：CN201910676157.9
申请日：2019-07-25
Applicant: 大连理工大学
IPC: A61B5/00
Abstract: 一种基于深度学习对膝关节摆动信号的分类方法，属于涉及医学及生理信号的分析与分类技术领域。采用中值滤波和小波变换的方式对脉搏波信号进行预处理，在时域和时频域方面对脉搏波信号进行分析，提取特征参数。利用深度学习的方法进行样本训练，获取建立预测模型进行分类识别，从而分类膝关节健康状况、不同膝关节疾病、严重程度等级及术后患者恢复等级。通过该模型设计可实际应用的膝关节内部信息分类识别装置。本发明的分类效果性能良好，对膝关节健康状况、不同膝关节疾病、严重程度等级及术后患者恢复状况的分类识别具有良好的准确度。本发明通过便携的膝关节摆动信号采集装置即可进行分类识别，有助于改善膝关节疾病判断、分类识别的便携性。
-
公开(公告)号：CN112949513A
公开(公告)日：2021-06-11
申请号：CN202110253685.0
申请日：2021-03-09
Applicant: 大连理工大学
Abstract: 一种基于度量学习的小样本膝关节摆动信号分类方法，属于医学及生理信号的分析与分类技术领域。首先，使用滤波器和集成经验模态分解对膝关节摆动信号进行预处理。其次，对预处理后的一维膝关节摆动信号进行小波变换得到二维小波变换图像。最后，将二维图像送入由编码器和聚类算法组成的模型中进行训练，建立预测模型进行分类识别。本发明通过的分类方法的分类效果良好，通过便携式的采集装置即可完成对膝关节摆动信号的采集、处理和分类识别；且本发明不预先提取特征参数，直接将二维膝关节摆动信号送入模型进行训练、分类，避免人为提取特征参数所带来的的局限性，更好的发掘膝关节摆动信号中蕴含的信息。
-
公开(公告)号：CN109316172A
公开(公告)日：2019-02-12
申请号：CN201811213852.3
申请日：2018-10-18
Applicant: 大连理工大学
Abstract: 一种基于脉搏波特征参数对人体健康状况的检测方法，属于医学及生理信号的分析与分类技术领域。采用中值滤波的方式对脉搏波信号进行预处理，在时域和频域方面以中西医理论为基础对脉搏波信号进行分析，提取特征参数。对脉搏波特征参数利用支持向量机进行样本训练，获取建立预测模型，对特征参数进行分类识别，从而判断人体的健康状况。通过该模型，设计可实际应用的的软件界面，实现对人体健康状况进行监测。实验显示本发明的分类效果性能良好，对人体健康状况的判断具有良好的准确度。本发明通过便携的腕式脉搏检测装置，即可对人体健康状况进行检测，从而有助于改善人体健康状况检测的便携性。
-
公开(公告)号：CN112949513B
公开(公告)日：2022-09-20
申请号：CN202110253685.0
申请日：2021-03-09
Applicant: 大连理工大学
Abstract: 一种基于度量学习的小样本膝关节摆动信号分类方法，属于医学及生理信号的分析与分类技术领域。首先，使用滤波器和集成经验模态分解对膝关节摆动信号进行预处理。其次，对预处理后的一维膝关节摆动信号进行小波变换得到二维小波变换图像。最后，将二维图像送入由编码器和聚类算法组成的模型中进行训练，建立预测模型进行分类识别。本发明通过的分类方法的分类效果良好，通过便携式的采集装置即可完成对膝关节摆动信号的采集、处理和分类识别；且本发明不预先提取特征参数，直接将二维膝关节摆动信号送入模型进行训练、分类，避免人为提取特征参数所带来的的局限性，更好的发掘膝关节摆动信号中蕴含的信息。
-
-
-
Search Results
4
records
(took 0.032 seconds)
