-
公开(公告)号：CN111436926B
公开(公告)日：2021-04-20
申请号：CN202010257349.9
申请日：2020-04-03
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于统计特征和卷积循环神经网络的房颤信号检测方法，通过对两种不同类型不同维度的特征进行融合，得到特征集，使用粒子群优化算法训练支持向量机，并使用带权重的支持向量机对心电信号进行分类，将统计特征和卷积循环神经网络结合起来，有效解决了目前房颤信号检测存在的问题，更加全面的概括了房颤信号的特征，提高了房颤限号检测的精确度。
-
公开(公告)号：CN107969030B
公开(公告)日：2020-11-06
申请号：CN201711186231.6
申请日：2017-11-23
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种无线体域网共存的博弈论功率控制方法，包括如下步骤：建立网络共存分布模型、建立节点网络连通度函数、建立效用函数及进行迭代计算。在网络连通度和网络共存之间干扰关系的基础上，结合非合作博弈论的基本原理，提出了一种基于网络连通度的博弈论功率控制方法。通过仿真图3表明，在选取合适的常数因子的情况下，传输功率可以在6~8次迭代即达到收敛。本发明是在保证节点的信干燥比满足的情况下，尽量减少传输功率，从而节省节点的能量消耗，延长网络的生命周期。
-
公开(公告)号：CN111835360A
公开(公告)日：2020-10-27
申请号：CN202010677703.3
申请日：2020-07-14
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC: H03M7/30
Abstract: 一种基于基追踪去噪的稀疏信号重构方法，通过压缩感知的重构性能对噪声非常敏感，即噪声的引入会大大降低压缩感知的重构性能，通过基追踪降噪，实现了心电信号噪声的滤除和信号的重构。通过数值最优化算法准确重构出原始信号，得到了原有的波峰波谷信息，利用了心电信号的稀疏性特点重构了原有的心电信号，并有效的去除了噪声，保证了心电信号的真实性。
-
公开(公告)号：CN110755069B
公开(公告)日：2020-10-16
申请号：CN201911027439.2
申请日：2019-10-25
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0452
Abstract: 一种跳跃突变噪声的动态心电信号基线漂移校正方法，通过准确检测心电信号中包含的跳跃突变区域，并分段单独处理，可以改善传统滤波方法处理该类区域时基线提取不准确导致的心电信号变形问题。适用于各种含有基线漂移的心电信号的基线漂移校正处理，尤其是可穿戴式的动态心电信号。得到的基线漂移校正信号的波形明显优于其他方法。
-
公开(公告)号：CN110840445A
公开(公告)日：2020-02-28
申请号：CN201911279110.5
申请日：2019-12-12
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402 , A61B5/00
Abstract: 一种动态心电信号的自动降噪方法，通过生成器输入有噪声的心电信号，通过不断的训练学习后产生干净的无噪声的心电信号，并自定义了损失函数，判别器对生成最后输出的干净信号和原始干净的心电信号进行判别，如果信号一致则输出为真，否则输出假。最后通过不断的学习实现动态心电信号降噪的目的。可以从混有噪声的动态心电信号当中过滤噪声，获得干净的原始心电信号。通过建立动态心电信号噪声模型,实现了如何有效地去除动态心电数据存在的各种复杂噪声，保留信号中的有效成分，提高心电信号的质量。
-
Patent Agency Ranking
公开(公告)号：CN109620210B
公开(公告)日：2019-10-25
申请号：CN201910080223.6
申请日：2019-01-28
Applicant: 山东科技大学 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402 , A61B5/00
Abstract: 一种基于自编码模式的CNN与GRU结合的心电信号分类方法，通过提取出原始信号中最具有代表性的特征，运用CNN+GRU进行特征提取，节省了空间，节省了很多训练空间，其中采用的GRU（门控循环单元）一方面解决了由于RNN训练时出现的梯度消失和梯度爆炸的问题，另一方面它比LSTM少一个门，更易于计算，能够提高训练效率，GRU优点在于当训练样本少时，可以使用防止过拟合，当训练样本多时，也可以节省很多的训练时间，能够提高网络的学习效率和心电信号识别的精度。
-
公开(公告)号：CN110263684A
公开(公告)日：2019-09-20
申请号：CN201910489830.8
申请日：2019-06-06
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于轻量级神经网络的心电图分类方法，通过单导联心电图数据和轻量级神经网络模型实现心律失常自动分类的方法。首先，肢体II导联心电信号蕴含足够的信息；其次，使用卷积核大小为1的卷积层和全局平均池化层压缩特征维度；最后使用流线型的深度可分离卷积快速提取特征。利用单导联数据集和轻量级神经网络模型可以在保证模型准确率的基础上大幅度提高模型运算速度。
-
公开(公告)号：CN110251120A
公开(公告)日：2019-09-20
申请号：CN201910489829.5
申请日：2019-06-06
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402
Abstract: 一种基于注意力机制的深度残差神经网络的心电图分类方法，通过多导联心电图数据和基于注意力机制的深层残差神经网络模型实现心律失常自动分类，首先多导联心电图较单导联心电图蕴含更多心电信息，其次深度残差网络可以更高的学习模型的特征，有助于模型收敛，最后注意力机制模块自动增强特征图，提高模型泛化能力，提高网络的学习效率和心电图识别的精度。
-
公开(公告)号：CN110179453A
公开(公告)日：2019-08-30
申请号：CN201810555347.0
申请日：2018-06-01
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402
Abstract: 一种基于卷积神经网络和长短期记忆网络的心电图分类方法，通过多导联心电图数据和卷积神经网络和长短期记忆网络（CNN-LSTM）组合模型实现心律失常自动分类的方法。一方面多导联心电图较单导联心电图蕴含更多信息，另一方面CNN-LSTM组合模型结合CNN和LSTM的优点，在学习空间数据结构和时间序列结构方面有着独特优势，利用多导联心电图数据训练CNN-LSTM能够提高网络的学习效率和心电图识别的精度。
-
公开(公告)号：CN109087713A
公开(公告)日：2018-12-25
申请号：CN201810869480.3
申请日：2018-08-02
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于模糊C均值聚类的慢病辅助管理决策支持方法，利用模糊C均值聚类算法，建立慢病管理决策模型，依据慢病患者的生理指标数据、基因遗传数据、生活习惯数据和精神状态数据进行归类划分，根据归类结果为慢病患者在用药治疗、生活方式和精神关怀等方面定制一套科学管理方案，实现慢病患者的个性化管理决策支持。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.035 seconds)
