公开(公告)号：CN119229492A

公开(公告)日：2024-12-31

申请号：CN202410612074.4

申请日：2024-05-16

Applicant: 东北大学秦皇岛分校

Inventor： 李帅鹏 ,  李滟泽 ,  王婉越 ,  郭扬 ,  陈志蕊 ,  赵玉良 ,  吕晓永

IPC: G06V40/16 ,  G06N3/045 ,  G06N3/08 ,  G06T5/70 ,  G06T5/10 ,  G06V10/82 ,  G06V20/40

Abstract: 本发明涉及心率信号检测领域，特别是指一种基于rPPG与深度神经网络的非接触式心率信号检测方法，方法包括1、获取若干目标人员的面部的彩色视频并通过深度神经网络模型提取面部；2、对视频数据进行预处理，设置面部感兴趣区域ROI；3、根据血液对红色分量的吸收率最小，滤除环境和拍摄设备产生的大量噪声；4、利用快速傅里叶变换算法将时域信号转换为频域信号,对数据进行进一步滤波，取这一小段频率的最高点作为心率。本发明利用深度神经网络技术，通过结合面部追踪技术，可以实现用普通摄像头进行远距离的多目标同时心率获取,提高了rPPG的通用性。

公开(公告)号：CN118277857A

公开(公告)日：2024-07-02

申请号：CN202410373644.9

申请日：2024-03-29

Applicant: 东北大学秦皇岛分校

Inventor： 赵玉良 ,  廉超 ,  邵金亮 ,  吕晓永

IPC: G06F18/241 ,  G06F18/2131 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于序列数据图像化与特征增强网络的故障诊断方法，涉及故障诊断技术领域，解决的技术问题在于利用机械设备的振动信号数据，实现对设备的故障诊断。本发明的框架集成了序列数据跨域融合图像化方法以及新型轻量级特征增强网络结构。其中，跨域融合图像化方法包括数据预处理、数据变换、点像素映射及跨域融合图像生成；轻量级特征增强网络结构包括特征提取模块、特征融合模块、特征增强模块和分类模块。序列数据经图像化后可提供更多故障信息，更突出固有特征，作为特征增强网络的输入数据，可实现对机械设备高精度、快速的故障诊断。本发明解决了原始振动数据中时间和频率特征表达不足以及现有网络模型特征提取能力不足的问题，为机械设备的故障诊断提供了新的视角和方向。

公开(公告)号：CN118152516A

公开(公告)日：2024-06-07

申请号：CN202410279433.9

申请日：2024-03-12

Applicant: 东北大学秦皇岛分校

Inventor： 史云剑 ,  邹智恺 ,  李建 ,  吕晓永

IPC: G06F16/33 ,  G06F16/35 ,  G06F18/2411 ,  G06F18/10 ,  G06F18/213 ,  G06F17/16 ,  G10L15/08

Abstract: 本发明涉及一种基于文本的抑郁症检测方法，其具体实施步骤包括：收集抑郁症患者音频和文本信号建立数据库用于分类和模型训练；预处理音频信号得到音频频谱图，对其进行连续小波变换得到其光谱特征；分析光谱特征，确定有明显抑郁特征的目标文本；构建稀疏情感词典；根据词典和已经确定的目标文本进行抑郁程度的分类；规定抑郁程度的取值范围为0到1，其中0表示无抑郁，1表示抑郁程度最高；利用记忆网络LSTM对已经完成分类的数据进行机器学习；基于训练好的模型，对测试人员进行测试，输出测试结果。通过音频信号确定目标文本，提高了抑郁症识别的有效性；根据构建好的稀疏情感词典进行抑郁程度的分类，可有效的提高模型训练的准确性和快速性。

公开(公告)号：CN117898727A

公开(公告)日：2024-04-19

申请号：CN202410079618.5

申请日：2024-01-19

Applicant: 东北大学秦皇岛分校

Inventor： 邹智恺 ,  李建 ,  尚明英 ,  吕晓永 ,  许嘉桐 ,  赵银凇

IPC: A61B5/16 ,  G06V40/20 ,  G06V40/16 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  A61B5/11 ,  A61B5/00

Abstract: 本发明涉及抑郁症检测技术领域，尤其涉及一种基于步态和面部表情变化分析的抑郁症检测方法。包括以下步骤:获取待测用户行走时的步态数据及面部表情变化视频；对所述步态数据进行特征图像编码处理，获得步态特征图像；对所述面部表情变化视频进行特征图像编码处理，获得面部表情特征图像；基于完成训练的CNN‑LSTM模型，对所述步态特征图像和面部表情特征图像进行处理，得到预测结果。本发明提出了一种基于步态和面部表情变化分析的抑郁症检测方法，有效提高了抑郁症检测的准确度。

公开(公告)号：CN117860194A

公开(公告)日：2024-04-12

申请号：CN202311372535.7

申请日：2023-10-23

Applicant: 东北大学秦皇岛分校

Inventor： 涂飞龙 ,  王浩 ,  李西漫 ,  刘姝佳 ,  董方赫聪 ,  赵玉良 ,  吕晓永

IPC: A61B5/00 ,  A61B5/02

Abstract: 本发明公开了一种基于惯性传感器的便携式脉诊仪，涉及传感器技术、蓝牙通信技术和数据可视化技术领域。该装置由三个惯性传感器、FPC柔性电路板和蓝牙芯片组成。三个惯性传感器用于采集脉搏信息，而FPC柔性电路板用于安装这些传感器，使其固定在中医诊脉的“寸、关、尺”位置上，并与电路模块连接。本发明采用的惯性传感器具有高灵敏度，可精确获取人体脉搏数据，适用于家庭和医院等多种场合，具备广泛的应用场景。