-
公开(公告)号：CN116439699A
公开(公告)日：2023-07-18
申请号：CN202310118123.4
申请日：2023-02-15
Applicant: 桂林电子科技大学
IPC: A61B5/1455 , A61B5/02 , G06N20/20
Abstract: 本发明涉及医疗器械技术领域，尤其涉及一种基于四波长脉搏波的无创血红蛋白测量装置与方法，装置包括反射式光电脉搏波传感器、脉搏波信号预处理模块、主控制器、USB串口通信模块和Qt上位机显示模块，通过光电反射式光电脉搏波传感器获得活体对象手指指端动脉处光电容积脉搏波原始微弱信号，经过处理和数据拟合后得到光电容积脉搏波信号与血红蛋白之间的模型关系，实现无创测量人体的血红蛋白值，不需要采集血样就可实现血红蛋白的检测，便于家庭和个人医疗监护使用；同时因为操作简便，对操作人员专业性要求不高，方便受试者自己监测生理指标。
-
公开(公告)号：CN111079837A
公开(公告)日：2020-04-28
申请号：CN201911296248.6
申请日：2019-12-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种用于二维灰度图像检测识别分类的方法，其特征在于，包括如下步骤：1）获得二维灰度图像；2）构建二维卷积块；3）特征提取；4）获得特征图；5）提取时间信息；6）保留和遗弃；7）选择性屏蔽节点；8）得到最终分类结果。这种方法基于二维卷积神经网络和长短期记忆网络结合的模型来对图像检测识别分类，能提高分类的准确率。
-
公开(公告)号：CN117694901A
公开(公告)日：2024-03-15
申请号：CN202410015180.4
申请日：2024-01-04
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于深度神经网络的心电信号重建方法，属于医学信号检测领域，针对心电信号易受干扰，不易检测的问题，提出了所述方法，该方法包括：对采集到的心电信号(ECG)和光电容积脉搏波信号(PPG)进行信号预处理；对信号进行重叠操作，增强数据特征信息；搭建深度神经网络结构，确定深度神经网络模型对应的损失函数并训练神经网络模型；基于训练好的神经网络模型对ECG信号进行重建。
-
公开(公告)号：CN111091092A
公开(公告)日：2020-05-01
申请号：CN201911296246.7
申请日：2019-12-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于优化卷积神经网络分类的数据增强方法，其特征在于，包括如下步骤：1）获取一维信号数据；2）生成二维灰度图像；3）得到二维图像；4）图像重塑；5）训练。这种方法能够增加较少数据类型的数据量进而达到数据平衡的目的，获得的二维灰度图像能够最大程度的保留原始信号的信息，避免因为噪声滤波等操作带来的数据丢失问题，这种方法也能提高数据处理的效率、提高图像分类的准确率。
-
公开(公告)号：CN116982951A
公开(公告)日：2023-11-03
申请号：CN202310858044.7
申请日：2023-07-13
Applicant: 桂林电子科技大学
IPC: A61B5/021
Abstract: 本发明涉及生物信号检测技术领域，具体涉及一种基于组合特征的无创血压预测方法，通过对原始的光电容积脉搏波信号PPG进行预处理工作，获得相对平滑的PPG信号；对预处理后的信号进行特征提取，得到参与组合的PPG特征参数，再通过组合特征的方法获取新的特征参数；将原特征与新特征一同作为模型输入，建立机器学习模型对收缩压SBP和舒张压DBP进行预测。本发明仅使用PPG信号进行血压预测，通过组合特征的形式来降低所使用的特征数量，在能保证准确性的前提下减少特征提取工作的繁杂性，对于无创连续血压预测方法的研究具有重要意义，也对便携式血压计的血压估计方法提供参考。
-
Patent Agency Ranking
公开(公告)号：CN109124648A
公开(公告)日：2019-01-04
申请号：CN201810781295.9
申请日：2018-07-17
Applicant: 桂林电子科技大学
IPC: A61B5/145
CPC classification number: A61B5/14532 , A61B5/72
Abstract: 本发明一种基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法，是通过口服葡萄糖试验联合胰岛素释放试验，利用试验所得数据集，基于MATLAB平台建立BP神经网络结构对4项胰岛素评价指标进行预测训练，通过调整不同隐含层节点数，与选择隐含层、输出层不同的转移函数，使训练结果泛化能力最强，预测结果最可靠。
-
公开(公告)号：CN119488963A
公开(公告)日：2025-02-21
申请号：CN202411471312.0
申请日：2024-10-21
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种将富集功能与电化学发光检测集于一体的微流控芯片，属于微流控芯片及医学检测领域，包括进样口、通道机构、溶液混合腔、混合通道、反应腔、电极插入口，其中进样口包括检测物进样口、电化学发光材料进样口与共反应剂进样口；通道机构包括富集通道和混合通道，富集通道连接混合腔入口是一个单向设计，防止混合液回流，混合通道中设有人字形通道设计，用于不同溶液的充分混合；电极插入口包括三电极体系中的玻碳电极、铂电极、Ag/AgCl参比电极三根电极入口，底部接触反应腔；反应腔底部处于透明状态，用于光电倍增管检测电化学发光信号。本发明将富集与检测集于一体，且使用微流控芯片技术，减少了样品需求量，提高了检测范围，配合注射泵进液，操作简单，同时微流控芯片批量制作，大大降低了成本，有利于将微流控技术与电化学发光检测技术结合推广。
-
公开(公告)号：CN118748065A
公开(公告)日：2024-10-08
申请号：CN202410850918.9
申请日：2024-06-27
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种基于去噪神经网络的纸质心电图图像数字化方法，方法包括：获取纸质心电图图像数据集并进行预处理；对于处理后的数据集，按照设定比例划分为训练集和测试集；建立基于去噪神经网络的包含残差模块和卷积内核级联的纸质心电图图像数字化模型；将处理后的纸质心电图图像训练集依次输入纸质心电图图像数字化模型中进行迭代训练；加载训练模型，将待数字化的纸质心电图图像测试集输入训练完成后的模型，获取纸质心电图图像经数字化后的结果。通过本发明提出的方法，可以精准高效地将纸质图像上的心电波形记录转换为经数字化后提取的心电信号波形图像。
-
公开(公告)号：CN116965780A
公开(公告)日：2023-10-31
申请号：CN202310053720.3
申请日：2023-02-03
Applicant: 桂林电子科技大学
IPC: A61B5/0205 , A61B5/33 , A61B5/346 , A61B5/00
Abstract: 本发明涉及医疗数据分析技术领域，具体涉及一种结合多模态融合方式的房颤分类方法，将脉搏波信号转变成频谱图，将其送入改进后的CBAM_Resnet网络当中，将脉搏波信号送入三层CNN卷积网络中，分别提取频谱图和脉搏波信号段特征，并将特征融合再进行心房颤动分类，由于频谱图保留了脉搏波信号的时域和频域特征，并且CBAM_Resnet因为加入注意力机制从而提高了表征能力，可以关注重要特征并抑制不重要的信息，能够更好的提取出频谱图的图像特征，从而达到更高的分类效果。
-
公开(公告)号：CN111079837B
公开(公告)日：2022-06-28
申请号：CN201911296248.6
申请日：2019-12-16
Applicant: 桂林电子科技大学
IPC: G06V10/774 , G06V10/764 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种用于二维灰度图像检测识别分类的方法，其特征在于，包括如下步骤：1）获得二维灰度图像；2）构建二维卷积块；3）特征提取；4）获得特征图；5）提取时间信息；6）保留和遗弃；7）选择性屏蔽节点；8）得到最终分类结果。这种方法基于二维卷积神经网络和长短期记忆网络结合的模型来对图像检测识别分类，能提高分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
