-
公开(公告)号：CN117668775A
公开(公告)日：2024-03-08
申请号：CN202311678714.3
申请日：2023-12-07
Applicant: 大连理工大学
IPC: G06F18/30 , G06F18/241 , G06N3/098 , G06F123/02
Abstract: 本发明提供了联邦框架下基于HMM的时序数据分类结果异常检测方法及系统，涉及人工智能技术领域，本发明在联邦框架下基于HMM开发可用于检测时序数据异常分类结果的检测方法，采用基于联邦学习的方式，在保证数据隐私安全的基础上结合多方数据进行建模，训练具有较好性能的异常检测方法，实现对错误分类情况的准确检测，有助于降低使用者的工作量，填补了分类结果后处理问题的空白，为使用者得到分类结果后的后处理过程提供了一些指导，此外本方案将在联邦学习框架下进行，既能实现多中心联合建模使得HMM异常检测方法性能的提升又可以保证基本的数据隐私安全。
-
公开(公告)号：CN117281517A
公开(公告)日：2023-12-26
申请号：CN202310651496.8
申请日：2023-06-05
Applicant: 大连理工大学
IPC: A61B5/18 , A61B5/16 , A61B5/369 , A61B5/374 , A61B5/00 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/0442 , G06N3/084
Abstract: 本发明属于驾驶状态检测识别技术领域，公开了一种驾驶员分心检测方法及装置。利用滑动窗内基于脑电复杂度信息的不同权重熵特征表征脑电信号包含的分心信息，通过提取的分心特征利用双向长短时记忆神经网络检测真实驾驶场景中驾驶员是否分心。通过车辆行为数据分析，验证驾驶员行为表现在分心位置前后产生明显变化。通过对比从脑电信号和车辆行为信号两种模态分析驾驶员分心特点并检测驾驶员分心状态，证明采用脑电信号比车辆行为信号检测驾驶员分心准确率更高，且基于多模态信号的分心检测结果优于单一模态信号的结果。该方法可以为真实场景下分析脑电信号特征和准确检测驾驶员分心提供支持。
-
公开(公告)号：CN106875366B
公开(公告)日：2019-06-21
申请号：CN201710116707.2
申请日：2017-03-01
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种对静息态复数fMRI数据进行ICA后处理消噪的相位精确范围检测方法，属于生物医学信号处理领域。对于某一待消噪SM成分，在区间(0,π/2]范围内，采用等间距相位扫描方法，得到K个待检测的有效体素相位范围根据待消噪SM成分的先验信息，构建其参考SM幅值；通过最大化相位消噪SM成分幅值与参考SM幅值之间的相关系数，求解最终的有效体素精确相位范围本发明保障了在ICA中利用完备的静息态复数fMRI数据，大大提升了SM成分所包含的脑功能信息，例如，利用本发明所检测相位范围消噪后的默认网络成分，其所包含的有效体素数是仅仅利用幅值fMRI数据进行ICA的6倍。因此，本发明能为脑功能研究和脑疾病诊断提供更好的技术支持。
-
公开(公告)号：CN105760700B
公开(公告)日：2018-06-08
申请号：CN201610165248.2
申请日：2016-03-18
Applicant: 大连理工大学
Abstract: 一种适于多被试复数fMRI数据分析的自适应定点IVA算法，属于生物医学信号处理领域。采用基于多维广义高斯分布(MGGD)的非线性函数估计复数fMRI数据的源向量成分(SCV)分布；采用最大似然法自适应地估计MGGD的形状参数，与变化SCV分布自动匹配；在SCV主导子空间更新基于MGGD的非线性函数，实现对复数fMRI数据的消噪；在算法更新过程中加入输入数据的伪协方差阵，直接利用复数fMRI数据的非环形特性，进一步提高IVA分析复数fMRI数据的针对性。本发明能够有效分析高噪声水平但脑功能信息最为全面的多被试复数fMRI数据，在被试间差异性大且信噪比低的不利情况下，能为脑功能研究和脑疾病诊断提供更好的依据。
-
公开(公告)号：CN103985092B
公开(公告)日：2017-01-04
申请号：CN201410191416.6
申请日：2014-05-07
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 一种对复数fMRI数据进行ICA分析的后处理消噪方法，属于复数fMRI数据分析领域。对于无相位模糊的空间激活脑区成分 首先获取其相位图像 相位取值范围为(-π,π]，然后定义[-π/4,π/4]范围内相位值对应的体素为激活体素，其他相位值对应的体素为干扰体素，据此构建单被试消噪mask以及多被试组平均消噪mask，分别作用于单被试 和组平均成分，再去除幅值微小的体素，便得到最终的消噪结果。本发明能够保障ICA对完备的复数fMRI数据进行分析，进而解决因预处理消噪而造成的数据丢弃和脑信息损失问题。对于运动刺激下采集的复数fMRI数据，预处理消噪法只估计26个独立成分，而本发明可估计49个独立成分。
-
Patent Agency Ranking
公开(公告)号：CN105069307A
公开(公告)日：2015-11-18
申请号：CN201510510622.3
申请日：2015-08-19
Applicant: 大连理工大学
IPC: G06F19/00
Abstract: 一种结合ICA与移不变CPD的多被试fMRI数据分析方法，属于医学信号处理领域。采用以CPD为中心，以ICA为预处理环节的主辅结合方式；ICA预处理为移不变CPD提供联合混合矩阵；移不变CPD采用秩一估计方法，从联合混合矩阵中逐一分解出多被试共享TC、与共享TC相对应的各被试时延以及各被试强度；利用移不变CPD的输出重构联合混合矩阵，采用最小二乘法估计多被试共享SM。本发明能够对多被试任务态fMRI数据进行稳定而更为有效的分析，而且当被试间SM差异性和TC差异性较大时，优势更为明显，所估计的共享SM成分和共享TC成分与先验参考信号有着更高的相关性，TC大时延的估计精度高，且计算量小。
-
公开(公告)号：CN118949222A
公开(公告)日：2024-11-15
申请号：CN202411056062.4
申请日：2024-08-02
Applicant: 大连理工大学附属中心医院(大连市中心医院)
Abstract: 一种基于音乐的睡眠质量调控方法，其属于睡眠监测及调控技术领域。该方法包括两部分：基于音乐的睡眠质量调控方案设计和调控质量评估。为了对比音乐调控睡眠质量的效果及不同音乐类型对睡眠质量的调控效果，本发明设计了被试内的交叉干预方法。为了保证睡眠质量调控效果评估的准确和全面，本发明从主观（量表评估）和客观（多导睡眠监测记录）两层面指标，评估受试者的干预效果。该方法在睡眠过程中的前两个小时播放音乐，对较多睡眠质量差的人来说可实施度高，且基于本发明提出的方法，古典音乐被证明在提升睡眠质量上具有优势，为进一步发展可靠、实用的非药物睡眠干预方法提供了重要的数据支撑。
-
公开(公告)号：CN117100220A
公开(公告)日：2023-11-24
申请号：CN202311065302.2
申请日：2023-08-23
Applicant: 大连理工大学
Abstract: 本发明属于睡眠监测及睡眠质量实时分析领域，公开了一种基于额极区脑电‑心电的便携式睡眠监测及睡眠质量实时分析方法，包括基于额极区脑电‑心电的便携式睡眠监测和睡眠质量实时分析两个部分。相较于标准的PSG监测，本发明所提出的方法能够极大程度减少设备对被监测者带来的负面影响，且被监测者能够独立完成设备的佩戴，无需额外的医护人员辅助。同时，该方法还进行睡眠质量相关参数的计算。该方法的提出以及在公开睡眠数据库上的测试结果表明了使用额极区EEG和ECG信号进行睡眠质量监测和评估是可行的，为进一步开展可靠、实用的便携式睡眠监测设备奠定了基础。
-
公开(公告)号：CN116473537A
公开(公告)日：2023-07-25
申请号：CN202310199200.3
申请日：2023-03-03
Applicant: 大连理工大学
IPC: A61B5/08 , A61B5/352 , A61B5/346 , A61B5/00 , G06F18/24 , G06F18/214 , G06N20/00 , G06N3/098 , G06N3/088 , G16H50/70
Abstract: 本发明提供一种基于SAE模型和联邦学习的OSA检测方法，包括：通过检测终端采集睡眠时期人体的心电图ECG信号，生成自有心电的输入特征序列；检测终端由云服务器获取原始SAE模型，并根据自有心电的输入特征序列进行模型训练，对模型参数进行微调，并将微调完成后的模型上传至医院云服务器；云服务器基于多个检测终端上传的模型进行多中心数据无监督联邦建模，并根据自身中心有标签数据更新模型后下发至检测终端，重复此过程至模型收敛；通过检测终端根据云服务器下发的模型进行自有心电的输入特征序列预测分类，得到检测结果。本发明基于SAE模型实现了无监督联邦学习框架，允许病人使用高舒适度的居家终端设备完成高准确率的OSA检测。
-
公开(公告)号：CN116342400A
公开(公告)日：2023-06-27
申请号：CN202211093510.9
申请日：2022-09-08
IPC: G06T5/00 , G06N3/0475 , G06N3/045
Abstract: 本发明属于医学图像处理与人工智能交叉学科领域，提出一种使用生成对抗网络的新型fMRI站点噪声自动校正算法，包括特征生成器、站点噪声特征生成器、特征融合生成器和鉴别器；和传统的Fader网络相比，加入了站点标签自动编码模块，可以将数据的站点标签自动投影编码为图像，并且从原始图像中分离，从而实现fMRI数据的多中心效应自动校正，避免了人为的站点噪声编码假设，可以更加准确的识别与消除多中心效应。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.019 seconds)
