公开(公告)号：CN118177804B

公开(公告)日：2024-10-22

申请号：CN202410448222.3

申请日：2024-04-15

Applicant: 北京理工大学

Inventor： 史大威 ,  王玮 ,  蔡德恒 ,  卢一 ,  王军政

IPC: A61B5/16 ,  A61B5/00 ,  A61B5/021

Abstract: 本发明公开了基于CEEDMAN和神经网络去噪的情绪评估方法，属于生理状态估计技术领域。该方法包括以下步骤：S1、对于收集到的光电容积脉搏波信号以及相关的三轴加速度信号进行预处理；S2、对脉搏波信号进行去噪处理；S3、对脉搏波的相关特征进行提取；S4、对上述步骤S3提取的脉搏波特征进行特征筛选；S5、将筛选后的特征输入到分类模型中得到人体的压力类别。本发明采用上述的基于CEEDMAN和神经网络去噪的情绪评估方法，实现了去除光电容积脉搏波信号的运动伪影噪声，使用多峰值联合检测并设置阈值提取比较准确的峰值，在获取有效的特征之后，提高了对于人体的情绪评估的精度。

公开(公告)号：CN118177804A

公开(公告)日：2024-06-14

申请号：CN202410448222.3

申请日：2024-04-15

Applicant: 北京理工大学

Inventor： 史大威 ,  王玮 ,  蔡德恒 ,  卢一 ,  王军政

IPC: A61B5/16 ,  A61B5/00 ,  A61B5/021

Abstract: 本发明公开了基于CEEDMAN和神经网络去噪的情绪评估方法，属于生理状态估计技术领域。该方法包括以下步骤：S1、对于收集到的光电容积脉搏波信号以及相关的三轴加速度信号进行预处理；S2、对脉搏波信号进行去噪处理；S3、对脉搏波的相关特征进行提取；S4、对上述步骤S3提取的脉搏波特征进行特征筛选；S5、将筛选后的特征输入到分类模型中得到人体的压力类别。本发明采用上述的基于CEEDMAN和神经网络去噪的情绪评估方法，实现了去除光电容积脉搏波信号的运动伪影噪声，使用多峰值联合检测并设置阈值提取比较准确的峰值，在获取有效的特征之后，提高了对于人体的情绪评估的精度。

公开(公告)号：CN119770036A

公开(公告)日：2025-04-08

申请号：CN202411901354.3

申请日：2024-12-23

Applicant: 北京理工大学

Inventor： 史大威 ,  王玮 ,  陈婧 ,  王军政

IPC: A61B5/1455 ,  G06F18/10 ,  G06F18/213 ,  G06F18/27

Abstract: 本发明属于生理状态估计技术领域，公开了基于逐次变分模态分解和自适应滤波结合的血氧估计方法，包括以下步骤：对于收集到的脉搏波信号去除高频噪声以及基线漂移；对脉搏波信号使用逐次变分模态分解和自适应滤波去除运动伪影；根据去噪后的脉搏波提取准确的峰值以及谷值；根据去噪后的脉搏波以及提取出的峰值和谷值，计算出R值，并根据R值求取血氧饱和度，其中R值是指红光和红外光在血液中的吸光度比值。本发明采用上述基于逐次变分模态分解和自适应滤波结合的血氧估计方法，实现去除光电容积脉搏波信号的运动伪影噪声的效果，使用多峰值联合检测并准确提取峰值和谷值，从而确定R值，得到血氧饱和度，大大提高估计血氧饱和度的精度。

公开(公告)号：CN119184684A

公开(公告)日：2024-12-27

申请号：CN202411332094.2

申请日：2024-09-24

Applicant: 北京理工大学

Inventor： 史大威 ,  蔡德恒 ,  王玮 ,  王军政

IPC: A61B5/145 ,  G16H20/70 ,  G06N7/02 ,  A61B5/16 ,  A61B5/11 ,  A61B5/00 ,  A61M5/172

Abstract: 本发明公开了一种融合情绪和运动信息的胰岛素剂量模糊控制方法，属于糖尿病胰岛素治疗技术领域，包括以下步骤：S1、估计情绪状态和运动强度；S2、计算当前胰岛素剂量；S3、确定模糊控制器的结构，定义以情绪状态和运动强度信息作为输入，胰岛素剂量调整步长作为输出的输入输出模糊分布，以及计算输入相对于不同模糊子集的隶属度；S4、建立模糊规则；S5、进行模糊逻辑推理，得到模糊系统的输出，将输出乘以步骤S2得到的胰岛素剂量确定最终的胰岛素剂量。本发明采用上述的一种融合情绪和运动信息的胰岛素剂量模糊控制方法，可实现更加个性化、动态化的胰岛素给药策略，并决策更加合理的胰岛素剂量，改善患者血糖管理效果。

公开(公告)号：CN119939469A

公开(公告)日：2025-05-06

申请号：CN202510029931.2

申请日：2025-01-08

Applicant: 北京理工大学

Inventor： 史大威 ,  王玮 ,  陈婧 ,  王军政

IPC: G06F18/2433 ,  G06F18/214 ,  G06F18/10 ,  G06F18/25 ,  G06N3/0464 ,  G06F123/02

Abstract: 本发明公开了一种基于变分自编码器和时序网络的活动识别方法，属于行为特征识别技术领域，包括以下步骤：S1、收集活动信号的原始数据集并进行预处理；S2、基于S1采用VAE提取潜在特征，输出重构误差；S3、基于S1采用CNN‑GRU得到时间动态特征；S4、基于S2、S3的结果采用自注意力机制进行特征融合，采用深度嵌入聚类层进行软分配并采用分类器进行分类，完成模型训练；S5、进行测试，判断输入是否为OOD数据，输出类别。本发明通过对重构误差和深度嵌入聚类层的输出进行判断，有效识别并处理OOD数据，增强模型的鲁棒性和泛化能力；通过结合VAE、CNN、GRU和自注意力机制，全面提取IMU信号中的时空特征，提高活动识别的准确性，有效保留时序信息，提高模型训练效率。