-
公开(公告)号：CN117786483A
公开(公告)日：2024-03-29
申请号：CN202311700799.0
申请日：2023-12-12
Applicant: 杭州电子科技大学 , 杭州电子科技大学平湖数字技术创新研究院有限公司
IPC: G06F18/241 , A61B5/117 , A61B5/346 , A61B5/00 , G06F18/213 , G06F18/10 , G06N3/082 , G06N3/048 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本发明公开基于CAE和改进式VGGNet的心电身份识别方法，先结合小波阈值去噪和单心拍分割的预处理方法，得到单周期ECG信号；然后构建CAE模型，基于CAE进行信号模态特征提取与降维处理，经最小化重构误差后学习得到输入数据更小维度的潜在表示；再基于VGGNet优化模型，进一步深入学习特征表示，得到个体识别的结果，并对其进行训练和验证；最后利用训练和测试好的神经网络模型对获取的单周期ECG信号进行身份识别。本发明提出了一种可靠性强、泛化能力高、识别准确率高的ECG身份识别方法，为提升个体身份识别系统的安全性提供了一定的参考价值，具有较好的市场应用价值。
-
公开(公告)号：CN118114090A
公开(公告)日：2024-05-31
申请号：CN202410068867.4
申请日：2024-01-17
Applicant: 杭州电子科技大学 , 杭州电子科技大学平湖数字技术创新研究院有限公司
IPC: G06F18/24 , G06F18/10 , G06V10/764 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/09
Abstract: 本发明公开一种基于三元组网络的PPG身份验证方法，将残差神经网络(ResNet‑18)与三元组网络(Triplet Network)相结合，以自适应地提取特征并进行身份识别。使用了Real‑World PPG数据集并使用5个单周期信号的重叠后的平均单周期信号，使其在保持信息的同时降低噪声，再随机选取包含锚样本、正样本和负样本的样本组作为样本数据，通过模型训练最小化同类样本间距离，扩大非同类样本间距离，最终通过测试样本与支撑集内两类样本间的平均欧氏距离判断测试样本的类别。本发明通过五次平均后的单周期信号，可以更准确地进行身份验证，具有高达96.6％的测试准确率。
-
公开(公告)号：CN119517375A
公开(公告)日：2025-02-25
申请号：CN202411592524.4
申请日：2024-11-08
Applicant: 杭州电子科技大学 , 杭州电子科技大学平湖数字技术创新研究院有限公司
IPC: G16H50/20 , A61B8/02 , A61B5/024 , G16H50/70 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06F18/20 , G06N3/0499
Abstract: 本发明公开一种多模态医学信息融合的胎儿辅助诊断系统，包括：信号预处理模块、图像生成模块、文本提取模块、多模态融合模块和输出模块；其中多模态融合模块利用图‑文特征融合网络ITFN对图像生成模块获取的图像数据和文本提取模块获取的文本数据进行特征提取，获得图像特征向量Mi和文本特征向量Mt；将图像特征向量Mi和文本特征向量Mt进行加权融合获得多模态特征向量Zf；输出模块使用全连接层对多模态特征向量Zf降维，输出正常与病理样本分类的结果。本发明采用不同的模型学习局部语义、获取更多相关知识信息，实现有效的胎儿窘迫病理诊断并降低误诊率，具有广阔的实际应用价值。
-
公开(公告)号：CN112215196B
公开(公告)日：2024-04-02
申请号：CN202011159543.X
申请日：2020-10-26
Applicant: 杭州电子科技大学
IPC: G06F18/21 , G06F18/15 , G06F18/2131 , G06F18/2136 , G06N3/045 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种心电身份识别方法。它包括以下步骤：采集人体的心电(Electrocardiogram，ECG)信号；对采集到的ECG信号进行预处理，得到干净的短周期ECG信号；对短周期ECG信号进行广义S变换，提取相位域特征矢量Y1、时域特征矢量Y2、频域特征矢量Y3；将相位域特征矢量Y1、时域特征矢量Y2、频域特征矢量Y3输入稀疏性约束的非线性逼近模型，获取最优字典及相应的最优稀疏系数矩阵，对最优稀疏系数矩阵进行轻量化处理后得到稀疏系数向量；将稀疏系数向量输入到训练好的基于双向长短期记忆网络的深度神经网络模型进行身份识别。本发明从原始ECG心电信号中提取多模态特征矢量作为深度神经网络的输入向量，提高了识别精度，加快了识别速率。
-
公开(公告)号：CN119513848A
公开(公告)日：2025-02-25
申请号：CN202411655533.3
申请日：2024-11-19
Applicant: 杭州电子科技大学 , 杭州美创科技股份有限公司
IPC: G06F21/32 , G06F18/213 , G06F18/24 , G06F18/25 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于特征融合的心电身份认证方法，该方法构建的心电身份识别模型包括局部特征自学习模块、全局特征自学习模块、特征融合模块和分类器；本发明分别采用局部特征自学习模块和全局特征自学习模块来提取心电信号的局部特征和全局特征，通过局部特征自学习模块的局部感知能力捕捉个体特征，全局特征自学习模块的全局关联能力解析ECG的整体波动，提高了身份认证的精度与鲁棒性；同时，本发明分别通过滤波、心拍分割和数据扩增对心电信号进行预处理，增强对未知数据的处理能力，提高模型的鲁棒性和泛化能力，提升了信号的质量，还有效地模拟了现实中的多样化情况，使得后续分析更加准确。
-
Patent Agency Ranking
公开(公告)号：CN114041770A
公开(公告)日：2022-02-15
申请号：CN202111432482.4
申请日：2021-11-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于集成学习的胎心率缺失值填补方法。将原始胎心率信号采用线性插值法进行降噪预处理，然后对其进行盲分割策略，获取固定长度的胎心率信号段；采用最小二乘提升算法搭建集成学习模型，并训练集对集成学习模型进行训练。本发明提出了一种采用集成学习进行FHR信号中缺失值填补的方法，该方法的普适性和准确率更高，同样适用于数据缺失较严重和多类型变化的的FHR信号。
-
公开(公告)号：CN112307996A
公开(公告)日：2021-02-02
申请号：CN202011226668.X
申请日：2020-11-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种指尖心电身份识别装置及方法。该装置包括指尖心电信号采集模块、信号调理电路、控制器和蓝牙通讯模块，所述指尖心电信号采集模块的输出端与信号调理电路的输入端电连接，所述信号调理电路的输出端与控制器电连接，所述控制器还与蓝牙通讯模块电连接。该方法采集人体指尖的指尖ECG信号，对指尖ECG信号进行预处理后输入至指尖心电身份识别模型，指尖心电身份识别模型进行身份识别，输出对应身份信息，指尖心电身份识别模型基于深度卷积神经网络GoogLeNet进行两次深度模型迁移后得到。本发明采集指尖ECG信号进行身份识别，既保证了心电采集过程的稳定性，也实现了小样本下的便捷舒适识别。
-
公开(公告)号：CN120030412A
公开(公告)日：2025-05-23
申请号：CN202510118196.2
申请日：2025-01-24
Applicant: 杭州电子科技大学
IPC: G06F18/241 , A61B5/024 , A61B5/00 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/049 , G06F18/10 , G06F18/213 , G06N3/047 , G06N3/048
Abstract: 本发明提供一种基于时空图卷积网络的胎心率信号分类方法，包括以下步骤：获取胎心率信号并进行预处理；从胎心率信号中提取节点特征属性，生成初始静态图；基于初始静态图和自适应邻接矩阵构建得到动态图，更新动态图中节点在每个时间步上的信息传播，生成更新后的动态图；构建优化的时空图卷积网络模型，将更新后的动态图输入优化的时空图卷积网络模型，输出胎心率信号的分类结果。本发明引入动态图机制，并对传统时空图卷积网络进行优化，有效地捕捉节点之间的空间依赖性和时间依赖性，实现跨时间维度的信息传递，推断出FHR数据的病理因果性，提高了FHR信号分类的准确性。
-
公开(公告)号：CN114287900A
公开(公告)日：2022-04-08
申请号：CN202111599767.7
申请日：2021-12-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种FHR信号缺失值填充装置和方法。构建缺失FHR数据的重建模型；利用最小化稀疏字典学习算法，对缺失FHR数据的重建模型进行优化，得到稀疏系数矩阵和正则项误差的迭代求解公式；利用得到的最优稀疏系数矩阵和正则项误差计算对应的最优字典，结合缺失FHR数据的重建模型，得到缺失值填充后的FHR信号。本发明的方法应用在FHR监护领域，用作数据分析的预处理环节，为FHR监护提供重要参考依据。
-
公开(公告)号：CN110269625A
公开(公告)日：2019-09-24
申请号：CN201910469207.6
申请日：2019-05-31
Applicant: 杭州电子科技大学
IPC: A61B5/117 , A61B5/0402 , G06F21/32
Abstract: 本发明公开一种新型的多特征融合的心电认证方法。本发明首次将希尔伯特谱图和决策层的多特征融合应用于心电的认证方法，选取了通过EEMD、希尔伯特谱变换和希尔伯特谱分析得到包括心电信号的时域、频域和能量的综合特征的希尔伯特谱图，然后通过二维CNN认证系统、一维CNN认证系统分别对心电信号认证计算各自的匹配分数，然后决策层融合，作出最终的认证决策，最终得到更高鲁棒性和泛化能力的完整心电认证系统。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.028 seconds)
