-
公开(公告)号：CN109907753A
公开(公告)日：2019-06-21
申请号：CN201910329005.1
申请日：2019-04-23
Applicant: 杭州电子科技大学
IPC: A61B5/0402 , A61B5/00
Abstract: 本发明提出一种多维度ECG信号智能诊断系统，包括特征提取模块、机器学习诊断网络集群模块和综合评估模块。所述特征提取模块用于提取ECG信号包括数值特征与形态特征在内的多维度特征；所述机器学习诊断网络集群模块用于对ECG信号的多维度特征进行智能诊断，并获得每一类疾病所对应的分类量化概率；所述综合评估模块用于根据每一类疾病的分类量化概率进行加权平均，综合评估得出最终的ECG诊断结果。本发明所述智能诊断系统融合互补集成经验模态分解(CEEMD)与机器学习诊断网络集群，对ECG信号进行多维度特征提取与人工智能辅助分类量化概率计算，提高了ECG信号人工智能辅助诊断的准确率，具有泛化性高、临床实用性强的特点。
-
公开(公告)号：CN113098464A
公开(公告)日：2021-07-09
申请号：CN202110330317.1
申请日：2021-03-29
Applicant: 杭州电子科技大学
IPC: H03K17/28
Abstract: 本发明公开了一种高延时精度宽延时调节范围的延时线电路，包括依次连接的粗调节延时单元、中调节延时单元和细调节延时单元；延时线电路的输入信号通过粗调节延时单元控制延迟时间，信号后进入中调节延时单元并通过调节中调节延时单元控制信号的延迟时间；信号再进入细调节延时单元，并通过调节细调节延时单元控制信号的延迟时间，细调节延时单元的输出为延时线电路的输出。本发明通过结合粗、中、细调节延时线架构，实现延迟时间的均匀调节，提高延时线的延时分辨率，同时满足宽延迟时间调节范围的性能要求。
-
公开(公告)号：CN110111892A
公开(公告)日：2019-08-09
申请号：CN201910357273.4
申请日：2019-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种NSCLC患者术后短期复发转移风险评估系统，包括预处理模块、特征提取模块、AI网络集群风险评估模块和ANFIS网络集成风险评估模块。预处理模块用于对患者多维度临床数据进行收集与预处理，多维度患者临床数据包括患者术前CT影像组学数据、肿瘤病理组学数据和肿瘤临床组学数据；特征提取模块用于提取预处理后的数据样本的特征；AI网络集群风险评估模块用于对提取的样本特征进行复发风险概率评估；ANFIS网络集成风险评估模块用于将复发风险概率评估结果作为输入特征向量，建立ANFIS网络，以复发/转移风险量化概率与危险程度作为输出，进行最终的集成风险评估。该系统可为临床医生针对肺癌患者根治术后综合治疗方案的选择提供参考，预测准确率高。
-
公开(公告)号：CN110070013A
公开(公告)日：2019-07-30
申请号：CN201910289994.6
申请日：2019-04-11
Applicant: 杭州电子科技大学
IPC: G06K9/00 , A61B5/0402 , A61B5/04
Abstract: 本发明提出一种ECG信号噪声污染程度与类别智能评估方法，包括以下步骤：S1，ECG信号预处理；S2，ECG信号分量特征数理统计计算；S3，ECG信号噪声污染程度判断；S4，低频基线漂移噪声污染程度判断；S5，高频分量噪声污染类别与污染程度判断；S6，ECG信号整体噪声污染程度及类别的综合评估。本发明所述评估方法融合M-CEEMD信号分解以及SVC网络集群，准确完成ECG信号噪声污染程度评估以及污染类型自动分类。实现对可用ECG信号的筛选，为其选择有针对性的滤波方式提供依据，实现滤波效果提高的同时最大限度的保留原始ECG数据信息，降低了ECG智能诊断假阳性率，同时提高了诊断准确率，具有临床泛化性强，分类准确率高的特点。
-
公开(公告)号：CN109907753B
公开(公告)日：2022-07-26
申请号：CN201910329005.1
申请日：2019-04-23
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种多维度ECG信号智能诊断系统，包括特征提取模块、机器学习诊断网络集群模块和综合评估模块。所述特征提取模块用于提取ECG信号包括数值特征与形态特征在内的多维度特征；所述机器学习诊断网络集群模块用于对ECG信号的多维度特征进行智能诊断，并获得每一类疾病所对应的分类量化概率；所述综合评估模块用于根据每一类疾病的分类量化概率进行加权平均，综合评估得出最终的ECG诊断结果。本发明所述智能诊断系统融合互补集成经验模态分解(CEEMD)与机器学习诊断网络集群，对ECG信号进行多维度特征提取与人工智能辅助分类量化概率计算，提高了ECG信号人工智能辅助诊断的准确率，具有泛化性高、临床实用性强的特点。
-
Patent Agency Ranking
公开(公告)号：CN113098464B
公开(公告)日：2021-11-30
申请号：CN202110330317.1
申请日：2021-03-29
Applicant: 杭州电子科技大学
IPC: H03K17/28
Abstract: 本发明公开了一种高延时精度宽延时调节范围的延时线电路，包括依次连接的粗调节延时单元、中调节延时单元和细调节延时单元；延时线电路的输入信号通过粗调节延时单元控制延迟时间，信号后进入中调节延时单元并通过调节中调节延时单元控制信号的延迟时间；信号再进入细调节延时单元，并通过调节细调节延时单元控制信号的延迟时间，细调节延时单元的输出为延时线电路的输出。本发明通过结合粗、中、细调节延时线架构，实现延迟时间的均匀调节，提高延时线的延时分辨率，同时满足宽延迟时间调节范围的性能要求。
-
公开(公告)号：CN113098466A
公开(公告)日：2021-07-09
申请号：CN202110338706.9
申请日：2021-03-29
Applicant: 杭州电子科技大学
IPC: H03K17/28
Abstract: 本发明公开了一种正负群延时抵消的群延时平坦化处理系统，包括依次连接的正群延时网络和负群延时网络，所述正群延时网络的输入端为信号的输入端，信号在正群延时网络进行正群延时信号处理，正群延时网络的输出端与负群延时网络的输入端连接，信号在负群延时网络进行负群延时信号处理，负群延时网络的输出端为信号的输出端。本发明正负群延时抵消的信号延时处理系统具有群延时平坦化、延时工作带宽宽、延时值可调节等特点。
-
公开(公告)号：CN110070013B
公开(公告)日：2021-06-18
申请号：CN201910289994.6
申请日：2019-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种ECG信号噪声污染程度与类别智能评估方法，包括以下步骤：S1，ECG信号预处理；S2，ECG信号分量特征数理统计计算；S3，ECG信号噪声污染程度判断；S4，低频基线漂移噪声污染程度判断；S5，高频分量噪声污染类别与污染程度判断；S6，ECG信号整体噪声污染程度及类别的综合评估。本发明所述评估方法融合M‑CEEMD信号分解以及SVC网络集群，准确完成ECG信号噪声污染程度评估以及污染类型自动分类。实现对可用ECG信号的筛选，为其选择有针对性的滤波方式提供依据，实现滤波效果提高的同时最大限度的保留原始ECG数据信息，降低了ECG智能诊断假阳性率，同时提高了诊断准确率，具有临床泛化性强，分类准确率高的特点。
-
公开(公告)号：CN110111884A
公开(公告)日：2019-08-09
申请号：CN201910359377.9
申请日：2019-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于CMKMC的人机协同智慧医疗辅助决策系统，包括：疾病初诊模块，将临床数据匹配动态医疗认知属性知识库的疾病节点属性，以确定临床疾病疑似病范围、提供临床检查指导，获取初诊结果；精确诊断模块，将疾病初诊模块无法确诊对应的临床数据通过机器学习诊断网络集群以进行疑似病量化患病风险概率分析，获得精诊结果；综合诊断模块，将针对临床疑难疾病的机器学习网络集群精确诊断结果与医疗认知属性知识库中的初诊节点信息进行校验，综合评估获取诊断结论；自进化模块，对系统误诊病例进行分析和再学习，更新医疗认知属性知识库推理路径及节点属性，并调整机器学习诊断网络集群内部参数。本发明具有诊断准确率高、自进化的特点。
-
公开(公告)号：CN119691665A
公开(公告)日：2025-03-25
申请号：CN202411508362.1
申请日：2024-10-25
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06N3/0442
Abstract: 本发明提出一种用于深空窄带多普勒测量长期中断数据的双向预测智能接续方法及系统，方法包括以下步骤：S1，中断前后双向预测数据基于时频域多角度特征的通道分解与聚合；S2，基于多通道分解与聚合的单向数据建模与预测；S3，基于置信度区间以及频域分解的双向预测数据可变权重融合；S4，整合数据的多项式拟合及预测曲线平滑。本发明对深空探测长期中断前后的数据段基于其自身特征进行自适应分解与通道聚合，并从正、反两个方向分别对各个通道数据进行建模、预测，在置信度区间的引导下开展数据融合与趋势平滑，其插补精度显著高于传统单向外插拟合方法，尤其在长期深空采集数据中断状态下，具有良好的泛化性与稳定性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.023 seconds)
