公开(公告)号：CN109480852A

公开(公告)日：2019-03-19

申请号：CN201811538571.5

申请日：2018-12-14

Applicant: 桂林电子科技大学

Inventor： 王钰萌 ,  王子民 ,  彭敏昌 ,  汪华登 ,  林向萌 ,  席乐乐 ,  甘智宇 ,  曾利

IPC: A61B5/11 ,  A61B5/0402 ,  A61B5/00 ,  G01K13/00 ,  G01J5/00

Abstract: 本发明提供了一种体征监测方法、系统、可穿戴式的信号采集设备，所述体征监测系统还包括与所述信号处理设备相互通信连接的可穿戴式的信号采集设备以及信号接收设备。所述方法包括：接收所述信号采集设备实时监测并发送的体征信号，所述体征信号包括心冲击图信号以及心电信号；对所述体征信号进行特征提取，得到特征信号；将所述特征信号与预先保存的用于表征健康体征的原始信号进行比对，得到用户的体征监测结果，并把所述体征监测结果发送给所述信号接收设备。通过该方法，可以随时随地很便捷地对用户的体征信息进行监测，同时，体征信息内包括多种信号，足以作为判断身体状况的可靠依据。

公开(公告)号：CN110327055A

公开(公告)日：2019-10-15

申请号：CN201910690101.9

申请日：2019-07-29

Applicant: 桂林电子科技大学

Inventor： 王子民 ,  曾利 ,  蒙玉洪 ,  王钰萌 ,  覃军焱 ,  蓝如师 ,  刘振丙

IPC: A61B5/11 ,  A61B5/00

Abstract: 本发明公开了一种基于高阶谱和卷积神经网络的心冲击信号的分类方法，步骤为：S1、获取数据集训练样本；S2、采用切比雪夫和小波变换的滤波方法对步骤S1获得的数据集训练样本进行去噪预处理，得到纯净的心冲击信号；S3、对步骤S2得到的心冲击信号进行高阶谱特征分析，得到信号的幅值和相位的特征信息；S4、构建卷积神经网络模型，将步骤S3得到的特征信息，作为卷积神经网络模型的输入，得到分类结果。该方法利用高阶谱具有时移不变性、尺度变化性和相位保持性进行特征提取得到特征以保留更多的信号信息，还能够抑制高斯有色噪声，从而提升心冲击信号分类的性能；同时，该方法具有更好的泛化性能，并有效解决了高阶谱谱应用的二维模板匹配问题。

公开(公告)号：CN117594225A

公开(公告)日：2024-02-23

申请号：CN202311651602.9

申请日：2023-12-05

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  安娅君 ,  杨辉华 ,  刘振丙 ,  陆铖 ,  周南 ,  邓华虎 ,  王钰萌 ,  卞新军

IPC: G16H50/20 ,  G16B20/00 ,  G16B40/20 ,  G06T7/11 ,  G06F18/25 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于病理和基因的多模态融合生存预后方法及装置，方法包括：对病理组织学图像和基因数据进行预处理，获得病理切片和基因数据集；构建多模态融合模型，然后训练模型：利用病理预后模块提取病理切片的病理深度学习特征，然后进行生成预后；利用利用基因预后模块提取基因数据的基因组学特征，然后进行生成预后；利用多模态低秩交互融合模块将病理深度学习特征和基因组学特征多模态融合，生成多模态融合特征；利用多模态融合特征对患者进行生存预后分析，然后经过迭代计算损失后，获取预后预测结果。本发明，全面地将多模态数据进行整合，增强了特征融合模型的鲁棒性，提高了病患生存预后的准确性。

公开(公告)号：CN110427924A

公开(公告)日：2019-11-08

申请号：CN201910846195.4

申请日：2019-09-09

Applicant: 桂林电子科技大学

Inventor： 王子民 ,  曾利 ,  蒙玉洪 ,  王钰萌 ,  覃军焱 ,  蓝如师 ,  刘振丙

IPC: G06K9/00 ,  G06N3/04 ,  A61B5/0452

Abstract: 本发明公开了一种基于LSTM的心冲击信号自动多分类识别方法，步骤为：获取数据集训练样本；采用小波阈值去噪的方法对获得的数据集训练样本进行预处理，得到纯净的心冲击信号；对得到的心冲击信号配合自适应阈值完成IJK波的定位，得到心冲击信号的心拍截取；构建LSTM网络模型，将得到的心冲击信号的心拍截取作为LSTM模型的输入数据，对网络模型进行训练并测试；训练过程利用反向传播算法对构建的LSTM网络模型进行权值优化，使网络收敛到全局最优；LSTM网络模型输出识别率，得到分类准确率，根据混淆矩阵分类的正误，计算kapaa系数，评估该模型的分类精度。该方法能够解决RNN存在的长程依赖和传统方法过度依赖于人工设计和分类精度不高的问题，获得较好的分类效果。

公开(公告)号：CN211326715U

公开(公告)日：2020-08-25

申请号：CN201921738385.6

申请日：2019-10-17

Applicant: 桂林电子科技大学

Inventor： 王子民 ,  王钰萌 ,  许致远 ,  周博睿 ,  刘振丙 ,  蓝如师 ,  庞靖光 ,  智鑫 ,  郑元昆

IPC: A61H23/02 ,  A61H39/04 ,  A61F7/00

Abstract: 一种用于智能医疗的穿戴舒适的智能穿戴设备，包括头盔整体，所述头盔整体的顶部设置有第一调节旋钮，所述第一调节旋钮的下表面固定连接有顶盖，所述顶盖的表面设置有开关，所述顶盖的下表面固定连接有按摩垫，所述按摩垫的下表面固定连接有颗粒凸起，所述按摩垫的上表面固定连接有振动器，该用于智能医疗的穿戴舒适的智能穿戴设备，直接连接电源也可使用，通过设置开关，使顶盖底部固定连接的颗粒凸起通过内部的振动器振动，可以使头部得到振动按摩，通过设置加热器和温度传感器，使导热原件加热，从而达到该设备具有给人脑部穴位振动按摩和热敷按摩缓解疲劳的效果，有助于人体大脑的休息和减压以及增助睡眠的效果。