-
公开(公告)号：CN119538119A
公开(公告)日：2025-02-28
申请号：CN202510096074.8
申请日：2025-01-22
Applicant: 吉林大学
IPC: G06F18/243 , A61B5/08 , A61B5/00 , A61B5/11 , A61B5/1455 , A61B5/346 , G06F18/2411 , G16H50/20 , G06F18/2131
Abstract: 本发明公开了基于生理信号的小儿呼吸异常检测方法及系统，涉及医疗信息处理技术领域，包括采集多模态生理信号，采用小波分解和软阈值函数消除噪声，结合形态学开闭运算输出预处理信号组；计算预处理信号组的时域特征、频域特征和非线性特征，并将特征组织为三层金字塔结构，采用注意力机制分析时序相似度，输出融合特征序列；对融合特征序列进行初步异常检测，并基于年龄分组阈值进行分类，提取异常点前后窗口的上下文特征向量，进行二次判别，实现对呼吸异常的精确识别和分级预警。本发明构建了一个具有高可靠性、强适应性和智能学习能力的呼吸监测系统，为儿童呼吸系统疾病的早期识别、实时预警和智能诊断提供了全面的技术支持。
-
公开(公告)号：CN118521966B
公开(公告)日：2024-09-17
申请号：CN202410987537.5
申请日：2024-07-23
Applicant: 吉林大学
Abstract: 本申请公开了一种基于图像识别的膀胱冲洗状态监测系统及方法，涉及图像处理技术领域，其采用基于深度学习的计算机视觉技术对膀胱冲洗过程中的实时图像进行图像分析，提取出图像的颜色特征和纹理特征，进而通过将图像的颜色特征和纹理特征进行交互融合，以形成对膀胱冲洗状态的综合表征，并以此来实现膀胱冲洗异常状态的智能识别。这样，能够显著提高膀胱冲洗过程的自动化和智能化水平，降低了医护人员的工作负担，同时为患者提供了更加安全可靠的医疗服务。
-
公开(公告)号：CN117618708A
公开(公告)日：2024-03-01
申请号：CN202410107141.7
申请日：2024-01-26
Applicant: 吉林大学
IPC: A61M5/168 , G16H20/17 , G16H40/60 , G06F18/213 , G06F18/2415 , G06F18/2433 , G06F18/25 , G06F123/02
Abstract: 本申请涉及智能监控技术领域，其具体地公开了一种用于静脉输液治疗的智能监控系统及方法，其利用基于深度学习的人工智能技术来监测和分析静脉输液过程中输液速率和输液压力的时间序列数据，从中挖掘输液速率和输液压力的协同关联特征，进而判断输液速率是否存在异常。这样，可以实时监控输液速率是否存在异常，从而及时提醒医护人员采取相应的措施，以此来提高静脉输液治疗的安全性，并减轻了医护人员的工作负担。
-
公开(公告)号：CN113855951B
公开(公告)日：2023-06-27
申请号：CN202111028469.2
申请日：2021-09-02
Applicant: 吉林大学中日联谊医院
Abstract: 本发明公开了一种压力可控氧气袋的自动供氧装置，包括氧气袋集成器、氧气袋、控制器、氧气管道、压力控制阀和臭氧发生器，氧气袋对称设置在氧气袋集成器内，且在氧气袋的外侧端部均设置有减压气嘴，氧气管道包括相互连通的中间干路管道和第一支路管道，氧气袋与第一支路管道连通，干路管道的外端伸出端与控制器连接，压力控制阀等距设置在干路管道上，用于控制两侧支路管道的开合；控制器设置在氧气袋集成器的外侧端部，实时监测干路管道内通过的流量；本装置通过控制器和压力控制阀的设计，能够实现有效控制输出的氧气流量，来根据需要，选择性的对氧气袋进行充气，具有自动供氧的稳定性好，使用安全性高，操作简单，供氧效率高的特点。
-
公开(公告)号：CN119538119B
公开(公告)日：2025-05-16
申请号：CN202510096074.8
申请日：2025-01-22
Applicant: 吉林大学
IPC: G06F18/243 , A61B5/08 , A61B5/00 , A61B5/11 , A61B5/1455 , A61B5/346 , G06F18/2411 , G16H50/20 , G06F18/2131
Abstract: 本发明公开了基于生理信号的小儿呼吸异常检测方法及系统，涉及医疗信息处理技术领域，包括采集多模态生理信号，采用小波分解和软阈值函数消除噪声，结合形态学开闭运算输出预处理信号组；计算预处理信号组的时域特征、频域特征和非线性特征，并将特征组织为三层金字塔结构，采用注意力机制分析时序相似度，输出融合特征序列；对融合特征序列进行初步异常检测，并基于年龄分组阈值进行分类，提取异常点前后窗口的上下文特征向量，进行二次判别，实现对呼吸异常的精确识别和分级预警。本发明构建了一个具有高可靠性、强适应性和智能学习能力的呼吸监测系统，为儿童呼吸系统疾病的早期识别、实时预警和智能诊断提供了全面的技术支持。
-
Patent Agency Ranking
公开(公告)号：CN119881285A
公开(公告)日：2025-04-25
申请号：CN202510352730.6
申请日：2025-03-25
Applicant: 吉林大学
Abstract: 本发明涉及医疗数据处理技术领域，更进一步地，涉及一种用于内分泌异常检测的智能分析系统及方法，所述系统包括：激素动力学与受体交互分析单元、细胞内信号转导分析单元、代谢网络与应激响应分析单元和系统评估单元；所述激素动力学与受体交互分析单元，用于得到受体‑激素复合物浓度；所述细胞内信号转导分析单元，用于得到离子流浓度；所述代谢网络与应激响应分析单元，用于计算得到细胞应激程度；所述系统评估单元，用于计算内分泌异常程度值。本发明提供了高精度、个性化和动态适应的分析结果。
-
公开(公告)号：CN118430748B
公开(公告)日：2024-08-30
申请号：CN202410889184.5
申请日：2024-07-04
Applicant: 吉林大学
IPC: G16H20/60 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0895 , A61J15/00 , G06F123/02
Abstract: 本发明涉及一种用于吞咽肠内营养喂食的智能决策系统及方法，涉及肠内营养喂食技术领域。该方法包括：获取由可穿戴监测设备采集的患者吞咽压力的时间序列；对所述患者吞咽压力的时间序列进行吞咽压力隐含关联分析以得到吞咽压力局部时序隐含关联特征向量的集合；将所述吞咽压力局部时序隐含关联特征向量的集合输入自监督特征序列显著性增强模块以得到吞咽压力全时域显著化融合表示向量；基于所述吞咽压力全时域显著化融合表示向量来确定吞咽决策意见。这样，可以利用深度学习算法从中学习患者的吞咽模式，并引入自监督显著增强机制对吞咽特征进行全时域显著化处理，从而根据经过显著化处理后的吞咽特征分布模式来对进食速度进行自适应调整。
-
公开(公告)号：CN118521966A
公开(公告)日：2024-08-20
申请号：CN202410987537.5
申请日：2024-07-23
Applicant: 吉林大学
Abstract: 本申请公开了一种基于图像识别的膀胱冲洗状态监测系统及方法，涉及图像处理技术领域，其采用基于深度学习的计算机视觉技术对膀胱冲洗过程中的实时图像进行图像分析，提取出图像的颜色特征和纹理特征，进而通过将图像的颜色特征和纹理特征进行交互融合，以形成对膀胱冲洗状态的综合表征，并以此来实现膀胱冲洗异常状态的智能识别。这样，能够显著提高膀胱冲洗过程的自动化和智能化水平，降低了医护人员的工作负担，同时为患者提供了更加安全可靠的医疗服务。
-
公开(公告)号：CN118430748A
公开(公告)日：2024-08-02
申请号：CN202410889184.5
申请日：2024-07-04
Applicant: 吉林大学
IPC: G16H20/60 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0895 , A61J15/00 , G06F123/02
Abstract: 本发明涉及一种用于吞咽肠内营养喂食的智能决策系统及方法，涉及肠内营养喂食技术领域。该方法包括：获取由可穿戴监测设备采集的患者吞咽压力的时间序列；对所述患者吞咽压力的时间序列进行吞咽压力隐含关联分析以得到吞咽压力局部时序隐含关联特征向量的集合；将所述吞咽压力局部时序隐含关联特征向量的集合输入自监督特征序列显著性增强模块以得到吞咽压力全时域显著化融合表示向量；基于所述吞咽压力全时域显著化融合表示向量来确定吞咽决策意见。这样，可以利用深度学习算法从中学习患者的吞咽模式，并引入自监督显著增强机制对吞咽特征进行全时域显著化处理，从而根据经过显著化处理后的吞咽特征分布模式来对进食速度进行自适应调整。
-
公开(公告)号：CN117618708B
公开(公告)日：2024-04-05
申请号：CN202410107141.7
申请日：2024-01-26
Applicant: 吉林大学
IPC: A61M5/168 , G16H20/17 , G16H40/60 , G06F18/213 , G06F18/2415 , G06F18/2433 , G06F18/25 , G06F123/02
Abstract: 本申请涉及智能监控技术领域，其具体地公开了一种用于静脉输液治疗的智能监控系统及方法，其利用基于深度学习的人工智能技术来监测和分析静脉输液过程中输液速率和输液压力的时间序列数据，从中挖掘输液速率和输液压力的协同关联特征，进而判断输液速率是否存在异常。这样，可以实时监控输液速率是否存在异常，从而及时提醒医护人员采取相应的措施，以此来提高静脉输液治疗的安全性，并减轻了医护人员的工作负担。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.022 seconds)
