-
公开(公告)号：CN118537314A
公开(公告)日：2024-08-23
申请号：CN202410662578.7
申请日：2024-05-27
Applicant: 浙江大学
IPC: G06T7/00 , G06T3/40 , G06V10/764 , G06V10/82 , G16H15/00 , G06N3/0464
Abstract: 本发明公开了一种实时病理显微图像的病灶自动检测方法。图像实时显示模块用于显示病理显微图像；图像筛选模块对图像实时显示模块输入的病理显微图像进行筛选处理以获取标准化的病理显微图像；图像放大倍数识别模块获取病理显微图像的放大倍数；图像预处理模块根据放大倍数对标准化的病理显微图像进行切割处理以得到图像块；图像分类预测模块将切割后的图像块输入到神经网络模型中进行病理分析和预测；报告生成及复查模块存储病理分析预测结果，并结合病理显微图像生成病理报告。本发明可以提高显微镜诊断病理切片的工作效率，减少医生的工作负担，通过提供诊断热力图供医生进行相关病灶位置的精准定位以提高诊断的准确性。
-
公开(公告)号：CN117332208A
公开(公告)日：2024-01-02
申请号：CN202311257077.2
申请日：2023-09-27
Applicant: 浙江大学
IPC: G06F18/10 , G06F18/214 , G06F18/25 , G06N3/0464 , A61B5/369 , A61B5/00
Abstract: 本发明公开了一种用时频特征多尺度密集融合神经网络的脑电信号去噪方法。方法包括从现有数据集中选出纯净脑电信号样本，对脑电信号进行归一化处理，在纯净脑电信号样本中加入噪声样本构建成含噪脑电信号样本，对含噪脑电信号样本进行归一化处理，使用数据增强方法扩充纯净脑电信号样本和含噪脑电信号样本，并得到网络训练集、验证集和测试集，构建时频特征多尺度密集融合的神经网络，用训练集训练神经网络，得到训练好的神经网络，将测试集的脑电数据输入到训练好的时频特征多尺度密集融合的神经网络中，输出对应的重构脑电信号。本发明具有去噪质量好、去噪效率高等优点，可应用于脑电信号处理的预处理过程和信号去噪处理技术领域。
-
公开(公告)号：CN117323585A
公开(公告)日：2024-01-02
申请号：CN202311470641.9
申请日：2023-11-07
Applicant: 浙江大学
Abstract: 本发明公开了一种辅助肥心SBRT治疗的心脏靶区定位引导控制方法及系统，方法包括如下：采集患者的呼吸信号及心电信号，并对信号进行同步及预处理；针对所获得的呼吸信号及心电信号，分别对应实时提取获得呼吸束流候选工作窗口及心电束流候选工作窗口；基于所得到的呼吸束流候选工作窗口及心电束流候选工作窗口，同时综合考虑延时影响，从而确定放射治疗的直线加速器的出束起始时刻。本发明方法及系统填补了双门控技术在心脏SBRT治疗领域的空白，辅助实现“无创、精准、安全”的全新心脏消融治疗模式，能够有效改变目前肥心治疗创伤大、风险高的局面。
-
公开(公告)号：CN105024886B
公开(公告)日：2018-04-20
申请号：CN201510465593.3
申请日：2015-07-31
Applicant: 浙江大学
Abstract: 本发明公开了一种基于用户元数据的快速Web服务QoS预测方法，该方法通过使用用户的元数据(地理位置信息和历史QoS记录)来精确选择请求用户的领域，同时通过融合用户扩展内在属性的矩阵分解算法有效地提高预测的准确性。本发明通过矩阵分解加速技术大大提升了求解效率，从而实时响应多用户的个性化QoS查询请求。
-
公开(公告)号：CN102629341A
公开(公告)日：2012-08-08
申请号：CN201210110910.6
申请日：2012-04-13
Applicant: 浙江大学
Abstract: 本发明公开了一种基于用户地理位置信息的Web服务QoS在线预测方法，包括如下步骤：11)收集用户提供的QoS历史数据和IP信息；12)收集的IP信息产生用户的几何地理位置坐标，根据几何地理位置坐标计算用户地理位置的相对距离，产生用户相对距离信息矩阵；13)接受目标用户QoS查询请求，并请求目标用户自定义邻居阈值θ；14)对步骤13)接受的QoS查询请求进行判断，如目标用户曾经调用过该QoS查询请求，则把上次反馈的QoS信息重新发送给目标用户；如果该QoS查询请求是未曾调用过，则进行QoS预测；通过使用了结合地理特征的矩阵分解算法有效地提高预测的准确性，另外，通过使用优化的矩阵分解算法可实时响应多用户的个性化QoS查询请求。
-
Patent Agency Ranking
公开(公告)号：CN119669721A
公开(公告)日：2025-03-21
申请号：CN202411721608.3
申请日：2024-11-28
Applicant: 浙江大学
IPC: G06F18/213 , A61B5/00 , A61B5/369 , A61B5/389 , A61B5/398 , A61B5/318 , G06F18/24 , G06F18/2321
Abstract: 本发明公开了一种基于概率密度函数和多导睡眠图的睡眠特征提取方法。方法包括采集并预处理受试者的PSG电生理信号数据，对PSG数据进行睡眠阶段标注；将预处理后的PSG数据划分为固定时长的时窗时帧，在每个通道内提取时域、频域及时频域的时窗特征，并将这些特征按不同睡眠阶段进行分组；然后，通过核密度估计方法计算各睡眠阶段内时窗特征的联合概率密度函数，并基于联合概率密度函数提取包括时间特征与空间特征在内的综合统计学特征；最后，通过等综合统计学特征预测受试者的年龄。本发明方法可以从非稳定电生理信号中提取稳定，可挖掘睡眠特征，并进行可视化展示，以拓展到多种睡眠生理及睡眠障碍的分析应用。
-
公开(公告)号：CN119157556A
公开(公告)日：2024-12-20
申请号：CN202411370325.9
申请日：2024-09-29
Applicant: 浙江大学
IPC: A61B5/372 , A61B5/369 , A61B5/00 , G06F18/10 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于双路径卷积去噪网络的脑电信号去噪方法。本发明方法包括：使用公开数据集中的脑电信号样本构建训练集；构建并使用训练集训练双路径卷积去噪网络，获得训练后的双路径卷积去噪网络；采集原始脑电信号并输入到训练后的双路径卷积去噪网络中，获得去噪脑电信号；双路径卷积去噪网络中，信号编码器将原始脑电信号编码为特征向量；掩膜生成器将特征向量转换为二维特征向量并进行局部和全局信息提取，生成掩膜；特征融合器将掩膜和特征向量相乘得到去噪特征向量，信号解码器将去噪特征向量转换为去噪脑电信号。本发明方法具有去噪性能好、去噪效率高等优点，能够应用于脑电信号的预处理过程以及信号去噪处理等领域。
-
公开(公告)号：CN118568558A
公开(公告)日：2024-08-30
申请号：CN202410615522.6
申请日：2024-05-17
Applicant: 浙江大学
IPC: G06F18/241 , A61B5/00 , G06F18/2415 , G06F18/15 , G06F18/2131 , G06N3/0464 , G06N3/045 , G16H50/20 , G16H50/70
Abstract: 本发明公开了一种基于深度胶囊网络的睡眠分期及可解释性分析方法。方法包括获取初始的睡眠多导图数据集，将睡眠多导图数据集中的睡眠多导图信号划分为N个睡眠期序列，根据N个睡眠期序列构建睡眠分期数据集；构建用于睡眠分期的睡眠分期网络模型；将训练集输入到构建好的睡眠分期网络模型中进行训练，将测试集输入到已训练好的睡眠分期网络模型中，获得睡眠多导图信号中各个睡眠期序列的睡眠分期结果。本发明利用胶囊网络的胶囊特性构建出可解释分析方法，为实现自动睡眠分期算法临床可用提供的依据。
-
公开(公告)号：CN118038459A
公开(公告)日：2024-05-14
申请号：CN202410200912.7
申请日：2024-02-23
Applicant: 浙江大学
IPC: G06V20/70 , A61B5/00 , G06F16/435 , G06F3/0484
Abstract: 本发明公开了一种基于网页的通用睡眠多导信号可视化标注方法及系统。具体过程为：通过工具栏上传睡眠多导图文件，本发明自动解析上传的文件并从中截取时间长度为30s的PSG数据列表，对获得的PSG数据列表进行通道级归一化操作后逐点渲染每个通道的数据。渲染后的睡眠多导图还可以通过鼠标和键盘操作进行窗口切换、缩放和跳转操作，以满足用户不同的视图需求。此外，系统还满足用户睡眠分期、睡眠事件标注等多样的睡眠判读需求，判读结果可下载保存。本发明具有跨平台、可拓展性高、用户操作友好等优点，非常适用于睡眠医学领域，极大地提高了相关领域工作者和科研人员的工作效率。
-
公开(公告)号：CN105491157A
公开(公告)日：2016-04-13
申请号：CN201610017825.3
申请日：2016-01-12
Applicant: 浙江大学
IPC: H04L29/08
CPC classification number: H04L67/02 , H04L67/322
Abstract: 本发明公开了一种基于用户协同正则化的个性化Web服务组合方法，本发明方法通过融合用户历史数据的矩阵分解算法可以高效地预测服务的QoS信息，并支持满足用户的个性化服务组合需求；此外，本发明通过矩阵分解加速技术大大提升了求解效率，从而实时响应多用户的个性化QoS组合查询请求。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.041 seconds)
