-
公开(公告)号：CN111680843A
公开(公告)日：2020-09-18
申请号：CN202010537578.6
申请日：2020-06-12
Applicant: 电子科技大学
IPC: G06Q10/04 , G06Q50/02 , G06F40/289 , G06K9/62
Abstract: 本发明公开了基于深度SVDD模型的中药材适生区预测方法及系统，包括：采集中药材的生态因子数据，采用MaxEnt模型生成中药材的伪不存在点样本数据；对采集到的中药材的生态因子数据进行预处理，得到生态因子预处理数据；根据所述生态因子预处理数据、伪不存在点样本数据和SVDD模型构建中药材适生区预测模型；将待预测中药材的测试点放入所述中药材适生区预测模型进行判断，得到待预测中药材的适生区。SGD及其变体优化深度SVDD模型的参数，因其计算复杂性在训练的数量上是线性扩展使得对大型数据集可以进行很好的扩展；通过对不同测试点与最优超球体的距离判断获得适生区，提高中药材适生区预测结果准确率。
-
公开(公告)号：CN111657918A
公开(公告)日：2020-09-15
申请号：CN202010537555.5
申请日：2020-06-12
Applicant: 电子科技大学
IPC: A61B5/0402 , A61B5/0472 , A61B5/11 , A61B5/00
Abstract: 本发明公开了一种结合心电和惯性传感数据的跌倒检测方法及系统，包括：利用包括ECG和惯性传感单元的设备采集人体日常活动过程的跌倒数据和日常动作数据；将收集的所述跌倒数据和日常动作数据按相同时间段进行分割后，分别进行提取得到惯性传感数据特征和ECG数据特征，并进行归一化处理得到归一化样本数据特征；采用主成分分析算法对所述归一化样本数据特征进行降维处理得到降维数据特征，采用支持向量机算法对所述降维数据特征进行分类，得到支持向量机分类模型；将新采集的数据输入支持向量机分类模型得到跌倒检测结果。分别从人体生理活动和姿态两个不同维度反映人体跌倒过程的变化，避免单一类型数据不准确的缺陷，提高跌倒检测精度。
-
公开(公告)号：CN111477295A
公开(公告)日：2020-07-31
申请号：CN202010279991.7
申请日：2020-04-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于隐语义模型的中医组方推荐方法及系统，该方法包括以下步骤：S0：采集某种疾病的多例医案信息，医案信息包括医案数及每例医案对应症状和药物；S1：根据步骤S0采集的信息，基于对医案库中症状和对应处方的隐语义分析，提取出隐含证候，发现隐含证候、症状和药物间存在的关系，建立基于症状-证候-药物的主题模型，并进行参数学习训练；S2：输入待检测的用户症状，从基于症状-证候-药物的主题模型结果中获取的症状、证候、药物之间的对应关系，进行相应处方推荐，并输出推荐结果，为医生诊疗过程的组方提供参考和辅助决策。
-
公开(公告)号：CN110718304A
公开(公告)日：2020-01-21
申请号：CN201910956307.1
申请日：2019-10-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种艾滋病患者用药依从性监测方法。本发明通过提出一种基于3D骨架的ST-GLSTM深层网络学习模型，以识别艾滋病患者服药动作及服药后的人体不良反应行为，对患者用药依从性进行监测。本发明通过构建骨架时空图，以关节点拓扑结构表示节点间空间位置关系，以时间序列边缘的形式表达关节点的活动轨迹，设计符合骨架时空图的图长短期记忆网络模型，包括向心、离心点群时间与空间遗忘门和向心点群时间与空间细胞状态，通过构建时空遗忘门与时空细胞状态，模拟骨架数据的时空状态，同时融合学习骨架根节点的向心点、离心点等邻居节点的时空特征，提高患者用药过程动作识别精度，完成对患者用药依从性的监测。
-
公开(公告)号：CN110675962A
公开(公告)日：2020-01-10
申请号：CN201910853829.9
申请日：2019-09-10
Applicant: 电子科技大学
Abstract: 本发明属于医学或兽医学；卫生学技术领域，公开了一种基于机器学习和文本规则的中药药理作用识别方法及系统，首先基于BIO规则构建训练语料库；然后提取文本特征并对特征进行数字化，采用组合多分类式SVM构建药理作用识别模型；最后采用基于规则的错误驱动学习(TBL)方法对SVM模型输出的标注结果进行后处理，提高实体识别精度。本发明将机器学习方法与基于规则的文本挖掘相关技术相结合，实现从中药文献中自动识别有效的中药药理作用信息，为中药药理作用信息化打下基础，与传统的药理作用研究方法相比，减少人工提取时间以及经济损耗，实现了在中药药理作用实体识别研究方法学上的改进。
-
Patent Agency Ranking
公开(公告)号：CN110633736A
公开(公告)日：2019-12-31
申请号：CN201910795220.0
申请日：2019-08-27
Applicant: 电子科技大学
Abstract: 本发明属于人体跌倒检测领域，提供一种基于多源异构数据融合的人体跌倒检测方法；通过Kinect获取人体的行为深度图像以及骨骼信息，首先，在传感器的选择上摆脱可穿戴传感器的约束；其次，还解决了在特定场景，如浴室、卫生间中无法使用可穿戴传感器，同时也可避免使用普通摄像头进行监测侵犯人体隐私等问题；同时，通过深度学习模型从多源异构数据中提取特征，数据融合方式上引入无键注意融合，避免了数据级融合所产生的数据冗余、计算复杂性；本发明与现有技术相比，显著的提高了跌倒检测的准确率。
-
公开(公告)号：CN110322947A
公开(公告)日：2019-10-11
申请号：CN201910518051.6
申请日：2019-06-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的高血压老年人运动处方推荐方法，收集健康数据；测试高血压老年人安静状态下的心功能状态，评估心率、血压和心率变异性；识别高血压老年人的日常动作；根据运动-血压风险等级与运动风险贡献度，结合由心率变异性、能量消耗、心率评估高血压老年人的心肺功能，以及BMI、年龄、临床诊断、运动喜好参照FITT规则制定个性化的老年人运动处方。本发明提出的深度学习方案，更好的提取了运动方式、强度等运动参数、心率、心电图、实时血压等时序数据的特征表示，结合人口信息学充分学习挖掘运动与高血压波动规律关系，生成个性化运动处方。
-
公开(公告)号：CN109903854A
公开(公告)日：2019-06-18
申请号：CN201910075603.0
申请日：2019-01-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于中医药文献的核心药物识别方法，包括以下步骤：建立治疗特定疾病的中医药文献语料库；构建治疗特定疾病的药物网络；对药物网络进行社区发现，发现治疗特定疾病的核心药物。本发明通过计算机自动分析大量中医药文献，让计算机分析药物之间的语义，进而计算药物之间的语义相似度，构建针对某一疾病的药物网络，再利用复杂网络的分析方法，发现核心药物组合，降低工作量和主观性，提高准确性。
-
公开(公告)号：CN109875565A
公开(公告)日：2019-06-14
申请号：CN201910074666.4
申请日：2019-01-25
Applicant: 电子科技大学
IPC: A61B5/11 , A61B5/0488
Abstract: 本发明公开了一种基于深度学习的脑卒中上肢运动功能自动评定方法，包括以下步骤：基于穿戴式传感器系统采集患者上肢运动过程的惯性传感数据和肌电数据；对采集的数据进行长度归一化和数值归一化预处理；将惯性传感数据和肌电数据分别输入到两个卷积神经网络进行特征提取，对所有特征进行融合，生成基于Brunnstrom量表的运动功能等级，然后基于反向传播算法对模型参数进行迭代，训练深度学习网络模型；对需要进行上肢运动功能评定的患者，对其进行数据采集、预处理，并输入到训练好的深度学习模型，自动生成患者上肢运动功能Brunnstrom分期评定结果。本发明可应用于医院环境、社区和家庭环境中，可提高自动评定的精准度。
-
公开(公告)号：CN109784291A
公开(公告)日：2019-05-21
申请号：CN201910063790.0
申请日：2019-01-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多尺度的卷积特征的行人检测方法，其包括获取待识别图像，并将其转换为设定尺寸后存储为转换图像；将转换图像输入VGG16网络模型进行特征提取，并将最后一个下采样层的输出存储为第一特征图，每个下采样层前一个卷积层的输出存储为第二特征图；将第一特征图输入区域推荐网络中，得到前景的推荐区域；截取转换图像与推荐区域对应的区域作为子图像，并将子图像输入VGG16网络模型得到每个子图像的第三特征图；截取第一特征图和所有第二特征图上与第三特征图相对应区域的特征图；将同一第三特征图截取的所有特征图拼接后输入识别网络中进行识别，得到推荐区域是行人的概率。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.025 seconds)
