公开(公告)号：CN116844696A

公开(公告)日：2023-10-03

申请号：CN202310461647.3

申请日：2023-04-26

Applicant: 河北农业大学

Inventor： 李聪聪 ,  张鹏慧 ,  蔡月婷 ,  李一帆 ,  张昱婷

IPC: G16H20/90 ,  G06V40/16 ,  G06V10/764 ,  G06V10/82 ,  G06N3/048

Abstract: 本发明公开了一种基于深度神经网络的面象中医体质辨识方法，包括以下步骤：S1、体质数据和面部数据采集；S2、对采集的数据进行标签标注，构建面部体质数据集；S3、面部体质数据集预处理；S4、构建MSRB‑Resnet模型。本发明采用上述的一种基于深度神经网络的面象中医体质辨识方法，建立的MSRB‑Resnet模型可以显著提高体质辨识模型的准确率。

公开(公告)号：CN116491933A

公开(公告)日：2023-07-28

申请号：CN202310461642.0

申请日：2023-04-26

Applicant: 河北农业大学

Inventor： 李聪聪 ,  蔡月婷 ,  张鹏慧 ,  李一帆

IPC: A61B5/11 ,  A61B5/00 ,  A61B5/103

Abstract: 本发明公开了一种基于可穿戴式传感器的跌倒风险评估方法，包括以下步骤：S1、通过人体步行试验利用惯性传感器和足底压力传感器进行数据采集，通过TUGT测试、Tinetti平衡和步态量表进行标签标注，将采集的数据经过滤波和样本分割后得到步态序列数据集；S2、将步态序列数据集输入到ISA‑ECA‑CNN‑BiLSTM网络模型中进行特征提取；S3、将IMU信号和足底压力信号提取出来的特征进行自适应加权特征融合，进行跌倒风险检测任务。本发明采用上述的一种基于可穿戴式传感器的跌倒风险评估方法，解决了单一模态传感器信号存在鲁棒性不足和风险评估模型缺乏有效性的问题，利用采集到的步态数据集来学习步态特征，本方法具有准确性高、识别速度快、性能稳定等优点。