-
公开(公告)号：CN114627492B
公开(公告)日：2024-08-13
申请号：CN202210118669.5
申请日：2022-02-08
Applicant: 湖北工业大学
Abstract: 本发明公开了一种双金字塔结构引导的多粒度行人重识别方法及系统，首先在ResNet50中嵌入注意力金字塔，引导网络由粗到细依次挖掘不同粒度的特征，使网络更倾向于关注复杂环境中行人的显著区域；其次通过结构不对称的双重注意力特征金字塔分支，以提取多尺度的行人特征，丰富特征的多样性，同时双重注意力机制可使分支从浅层信息中捕获高细粒度的局部特征；最后将粒度较粗的全局特征与多层级细粒度的局部特征融合，两种金字塔相互作用，以此获得更多具有鉴别性的多粒度特征，以改善行人遮挡问题。本发明仅通过较少的计算量，便可有效地解决杂乱场景下难以提取行人关键信息和局部遮挡时全局特征方法失效而造成识别精度不高的问题。
-
公开(公告)号：CN119924848A
公开(公告)日：2025-05-06
申请号：CN202510375184.8
申请日：2025-03-27
Applicant: 湖北工业大学
IPC: A61B5/346 , A61B5/321 , A61B5/333 , A61B5/00 , G06F18/24 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种心电图信号的分类方法、装置及心电监护仪，属于信号处理技术领域，其方法包括：提取心电图信号的基础特征；将基础特征发送至多尺度膨胀卷积网络模型，其中，多尺度膨胀卷积网络模型的多尺度分支模块包括多个不同感受野的分支网络，且至少一个分支网络的感受野的膨胀卷积速率与基础特征的当前输入信号长度正相关；基于多个不同感受野的分支网络确定基础特征的多个分支特征；将多个分支特征进行权值融合，并基于权值融合后的特征确定心电图信号的分类标签；通过多尺度分支模块中的多个不同感受野的分支网络对心电图信号的基础特征进行分支特征提取，提高了模型的有效感受野，增强了模型的泛化性。
-
公开(公告)号：CN114970637A
公开(公告)日：2022-08-30
申请号：CN202210650732.X
申请日：2022-06-10
Applicant: 湖北工业大学
Abstract: 本发明涉及一种轻量级基于深度学习的心律失常分类方法，包括：1)采集原始一维单导联心电信号进行心拍分割；2)对分割的心拍进行Z‑Score标准化；3)按患者间范式构建训练集和待测数据集，并平衡训练集样本；4)构建包含基于卷积神经网络的心电信号特征提取器、基于双向长短时网络的特征学习器和特征分类器的轻量级融合预分类模型；5)使用批量加权损失函数，并利用训练集和随机梯度下降法对模型进行训练。6)载入训练好的模型实现待测数据的心律失常分类。本发明提出一种批量加权损失函数和一种轻量级预分类模型结构，提高了异常心电信号分类识别处理速度，准确率高，泛化能力强，适合应用于边缘计算设备。
-
Patent Agency Ranking
公开(公告)号：CN114970637B
公开(公告)日：2024-08-06
申请号：CN202210650732.X
申请日：2022-06-10
Applicant: 湖北工业大学
IPC: G06F18/2433 , G06F18/2415 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/084 , A61B5/00 , A61B5/318 , A61B5/349 , G06N3/048
Abstract: 本发明涉及一种轻量级基于深度学习的心律失常分类方法，包括：1)采集原始一维单导联心电信号进行心拍分割；2)对分割的心拍进行Z‑Score标准化；3)按患者间范式构建训练集和待测数据集，并平衡训练集样本；4)构建包含基于卷积神经网络的心电信号特征提取器、基于双向长短时网络的特征学习器和特征分类器的轻量级融合预分类模型；5)使用批量加权损失函数，并利用训练集和随机梯度下降法对模型进行训练。6)载入训练好的模型实现待测数据的心律失常分类。本发明提出一种批量加权损失函数和一种轻量级预分类模型结构，提高了异常心电信号分类识别处理速度，准确率高，泛化能力强，适合应用于边缘计算设备。
-
公开(公告)号：CN116473539A
公开(公告)日：2023-07-25
申请号：CN202310496920.6
申请日：2023-04-27
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于心电信号的复合经验模态分解呼吸提取方法及系统，该方法包括：对高斯白噪声和采集到的受测者的原始心电信号同时进行集合经验模态分解，分解得到各固有模态函数分量，利用傅里叶变换技术选择呼吸的IMF频段范围，对各IMF分量在所处对应中心频段范围内相减，以消除原始EEMD分解中的白噪声残留，得到新的IMF；分别计算新IMF、原始心电信号得到的IMF与实测呼吸信号的相关性，由相关系数增量最大原则确定算法的最佳幅值噪声系数α，用于重构呼吸信号。本发明的呼吸提取具有操作简单、准确性高和鲁棒性强的特点。
-
公开(公告)号：CN119184705A
公开(公告)日：2024-12-27
申请号：CN202411245687.5
申请日：2024-09-06
Applicant: 湖北工业大学
IPC: A61B5/318 , A61B5/346 , A61B5/349 , A61B5/00 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及医学图像处理领域，公开了一种多域深度特征融合的心梗定位方法、设备及存储介质，方法包括步骤：获取12导联心电图数据并进行预处理；采用S变换将导联II的ECG数据转换时频图像；采用离散傅里叶变换计算心电信号的一维振幅谱，通过格拉姆角场将其转换为二维频谱图像；将预处理后的12导联ECG数据与生成的频谱图像和时频图像共同输入到一维与二维卷积神经网络模型组合的多域特征融合卷积神经网络MFF‑CNN中进行训练。S5：使用MFF‑CNN网络进行特征分类，实现心肌梗死的定位。本发明有益效果是：显著提高了心肌梗死的定位准确率，具有高准确性、操作简便及鲁棒性强的特点。
-
公开(公告)号：CN116172573A
公开(公告)日：2023-05-30
申请号：CN202310015724.2
申请日：2023-01-06
Applicant: 武汉思创电子有限公司 , 湖北工业大学
IPC: A61B5/346 , A61B5/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06F18/10 , G06N3/0464 , G06N3/0475 , G06N3/045
Abstract: 本发明公开了一种基于改进的Inception‑ResNet‑v2的心律失常图像分类方法，涉及深度学习技术、心电信号分析技术和图像分类领域，解决现有一维时序心律失常分类技术中存在的心律失常分类准确度低和性能不稳健的问题，方法具体包括：对采集的一维ECG信号进行数据预处理，并对处理后的一维心电信号进行心拍分割；对一维心拍使用深度卷积生成对抗网络进行数据增强；将数据增强后的一维心拍使用格拉姆角和场转换为二维心拍图像后分割训练集和测试集；构建改进的Inception‑ResNet‑v2图像分类模型；使用训练集进行网络训练得到最优模型，并使用测试集进行心律失常图像自动分类。
-
公开(公告)号：CN114627492A
公开(公告)日：2022-06-14
申请号：CN202210118669.5
申请日：2022-02-08
Applicant: 湖北工业大学
Abstract: 本发明公开了一种双金字塔结构引导的多粒度行人重识别方法及系统，首先在ResNet50中嵌入注意力金字塔，引导网络由粗到细依次挖掘不同粒度的特征，使网络更倾向于关注复杂环境中行人的显著区域；其次通过结构不对称的双重注意力特征金字塔分支，以提取多尺度的行人特征，丰富特征的多样性，同时双重注意力机制可使分支从浅层信息中捕获高细粒度的局部特征；最后将粒度较粗的全局特征与多层级细粒度的局部特征融合，两种金字塔相互作用，以此获得更多具有鉴别性的多粒度特征，以改善行人遮挡问题。本发明仅通过较少的计算量，便可有效地解决杂乱场景下难以提取行人关键信息和局部遮挡时全局特征方法失效而造成识别精度不高的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
