-
公开(公告)号：CN105708470B
公开(公告)日：2018-11-13
申请号：CN201610040326.6
申请日：2016-01-21
Applicant: 山东大学 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种基于多普勒探测器与传感器联合的跌倒检测系统和方法，包括：传感器检测装置、多普勒探测装置和远端服务器；传感器检测装置与多普勒探测装置通信，多普勒探测装置与远端服务器通信；传感器检测装置用于采集用户的运动方向及在该方向上的加速度值和倾斜角度数据并传送至多普勒探测装置，多普勒探测装置用于检测用户的生命体征数据，并判断生命体征数据是否正常，同时，判断接收到的用户加速度值和倾斜角度数据是否超过设定阈值；根据上述判断结果，利用机器学习的方法确定用户是否跌倒；本发明实现了生理信息的监测及精确有效地判别跌倒检测，降低了佩戴传感器的硬件要求。
-
公开(公告)号：CN105748063A
公开(公告)日：2016-07-13
申请号：CN201610259531.1
申请日：2016-04-25
Applicant: 山东大学齐鲁医院 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402 , A61B5/024 , G06F19/00
CPC classification number: A61B5/0402 , A61B5/024 , A61B5/7264 , A61B5/7267 , G16H50/20
Abstract: 本发明的基于多导联和卷积神经网络的心律失常智能诊断方法，包括：a).选取数据样本；b).标注心律失常类型；c).截取导联的心跳信号；d).得到归一化的心跳集合；e).构建隐层和输出层；f).设定目标函数；g).样本训练；h).心律失常分类的应用。本发明的心律失常智能诊断方法，利用多导联心电图数据训练CNN能够提高网络的学习效率和心律失常自动诊断的精度，实现了使用有心律失常类型标注多导联心电图数据训练CNN的通用框架和具体方法，可准确判断出待诊断心电信号的心律失常类型，可作为确诊结果或供医生参考。
-
公开(公告)号：CN111419220A
公开(公告)日：2020-07-17
申请号：CN202010227774.3
申请日：2020-03-27
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
Abstract: 一种基于共振稀疏分解的十二导联心电信号房颤检测方法，根据房颤信号的特点，利用共振稀疏分解对心电信号进行处理，将分解出的低共振分量部分送入神经网络中进行训练，逐个导联训练后通过投票算法（Voting）将各训练模型得出的概率进行联合运算，得到最终的检测结果，用于房颤检测时无需额外手工提取其他特征，网络结构简单，缩短了运算时间，可以实现实时房颤信号检测。针对房颤信号中“P波消失，出现F波”的表现特点，以共振稀疏分解为基础，突出房颤信号特点，通过简单的神经网络结构，保准准确率的基础上减少了运算时间。
-
公开(公告)号：CN109740481B
公开(公告)日：2019-12-10
申请号：CN201811599241.7
申请日：2018-12-26
Applicant: 山东科技大学 , 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
Abstract: 一种基于跳跃连接的CNN与LSTM结合的房颤信号分类方法，通过将数据房颤信号数据加载到跳跃连接的CNN模型中，经过卷积、最大池化、激励、归一化、平均池化操作，进行特征提取，之后将特征提取完成的数据加载到LTSM模型中进行学习，最终达到对房颤信号分类的目的，分类的信号精确、高效。
-
公开(公告)号：CN109740481A
公开(公告)日：2019-05-10
申请号：CN201811599241.7
申请日：2018-12-26
Applicant: 山东科技大学 , 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
Abstract: 一种基于跳跃连接的CNN与LSTM结合的房颤信号分类方法，通过将数据房颤信号数据加载到跳跃连接的CNN模型中，经过卷积、最大池化、激励、归一化、平均池化操作，进行特征提取，之后将特征提取完成的数据加载到LTSM模型中进行学习，最终达到对房颤信号分类的目的，分类的信号精确、高效。
-
Patent Agency Ranking
公开(公告)号：CN109602416A
公开(公告)日：2019-04-12
申请号：CN201910018584.8
申请日：2019-01-09
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
IPC: A61B5/0402
Abstract: 一种ECG信号联合基线校正及降噪的方法，使得经过基线校正和降噪后恢复的信号，能够保持原始信号的平滑，并且恢复的信号基本保留了原始信号的细节信息特征。有效地进行了基线校正和噪声抑制，明显改善了传统滤波算法中存在的ECG峰值欠估计的问题，保证了恢复ECG信号的真实性。
-
公开(公告)号：CN105708470A
公开(公告)日：2016-06-29
申请号：CN201610040326.6
申请日：2016-01-21
Applicant: 山东大学 , 山东省计算中心(国家超级计算济南中心)
CPC classification number: A61B5/1117 , A61B5/024 , A61B5/08 , A61B5/6826
Abstract: 本发明公开了一种基于多普勒探测器与传感器联合的跌倒检测系统和方法，包括：传感器检测装置、多普勒探测装置和远端服务器；传感器检测装置与多普勒探测装置通信，多普勒探测装置与远端服务器通信；传感器检测装置用于采集用户的运动方向及在该方向上的加速度值和倾斜角度数据并传送至多普勒探测装置，多普勒探测装置用于检测用户的生命体征数据，并判断生命体征数据是否正常，同时，判断接收到的用户加速度值和倾斜角度数据是否超过设定阈值；根据上述判断结果，利用机器学习的方法确定用户是否跌倒；本发明实现了生理信息的监测及精确有效地判别跌倒检测，降低了佩戴传感器的硬件要求。
-
公开(公告)号：CN117958831A
公开(公告)日：2024-05-03
申请号：CN202311479336.6
申请日：2023-11-08
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/318 , A61B5/346 , A61B5/00 , G06F18/241 , G06F18/2415 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06N3/0895
Abstract: 一种基于自监督学习的多导联心电分类方法，涉及心电信号分类技术领域，首先采用多种不同数据增强的方式对原始信号进行处理，设计合适的编码器模块和利用大量易获得的无标签数据提取心电特征，使编码器学习到更多关于心电信号类别的信息。最后利用少量标注数据微调模型编码器进行特征优化，通过训练模型，不断优化特征提取器的参数，使得生成的特征能够更好地反映输入数据的结构和信息。自监督学习的方式在一定程度上减少心电分类需要大量昂贵人工标注数据造成的阻碍，提高了模型的泛化能力。
-
公开(公告)号：CN116129143B
公开(公告)日：2023-09-08
申请号：CN202310100687.5
申请日：2023-02-08
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 一种基于串并联网络特征融合的边缘阔提取方法，属于医学影像边缘轮廓提取技术领域，科学有效的捕获了CTA影像轮廓细节信息，自动学习不同的特征权重，强化目标区域特征，又将不同分辨率的特征图转换为高分辨率特征图并融合，提高CTA影像轮廓清晰度，保证了信息的完整性。该网络结构并没有增加网络的横向深度，而是纵向扩展了网络，增加了模型的非线性，降低了相邻像素点的相关性，更有利于清晰边缘的提取。
-
公开(公告)号：CN115357805B
公开(公告)日：2023-06-16
申请号：CN202210920144.3
申请日：2022-08-02
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院 , 齐鲁工业大学
IPC: G06F16/9536 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 一种基于内外部视角的群组推荐方法，基于外部视角，将群组与餐厅和用户与餐厅的交互看作两个独立的过程，利用图卷积分别学习这两种交互行为中隐含的偏好信息，使模型学习到用户作为个体时的个人偏好以及群组作为整体时的固定偏好。基于内部视角，将群组决策过程中成员之间存在的互动商讨过程考虑在内，采用图注意力神经网络学习此过程中产生的成员间的相互影响，使模型能够准确捕捉受影响后的成员偏好变化。基于内部视角，不同成员在群组中的作用与影响力不同，导致在群组决策中的贡献度不同，采用注意力机制学习成员贡献度大小，能够以一种动态的方式学习聚合策略，更好的权衡不同成员的偏好，解决偏好冲突问题。
-
-
-
-
-
-
-
-
-
Search Results
167
records
(took 0.045 seconds)
