-
公开(公告)号：CN119097890A
公开(公告)日：2024-12-10
申请号：CN202411101105.6
申请日：2024-08-12
Applicant: 中南大学
IPC: A63B24/00 , G06V20/52 , G06V20/40 , G06V40/20 , G06V10/96 , G06V10/70 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种自动评估力量训练动作姿态安全性的方法及系统，通过接收用户端传入的一段视频，提取帧图像特征，输出动作类别序号；根据帧图像特征和动作类别序号，输出调用模型向量；根据调用模型向量，调用对应的身体部位颗粒度等级模型；根据身体部位颗粒度等级模型，输出人体姿态关键点坐标；根据人体姿态关键点坐标和动作类别序号，计算运动速度和关节角度；判断运动速度或关节角度是否在安全阈值范围内；若识别到运动速度或关节角度不在安全阈值范围内时，则给出提示警告。本发明降低人为观察中的主观性和不准确性，提高运动训练的安全性和效果。
-
公开(公告)号：CN118969186A
公开(公告)日：2024-11-15
申请号：CN202411079351.6
申请日：2024-08-07
Applicant: 中南大学
Abstract: 本发明公开了一种通过人体骨骼肌建模：选取搏动肌与支持肌进行建模；多角度视频采集；视频数据处理；驱动骨骼肌模型；计算运动能量消耗；计算基础代谢；计算运动后氧消耗过剩；根据运动能量消耗、BMR和EPOC，计算出总的能量消耗。本发明提供的基于人体骨骼肌模型的运动能量消耗方法，通过精细分析与运动相关的每块骨骼肌的状态获取能量消耗，可以更加精确地对运动能量消耗进行估计；考虑到肌肉的分类，选取搏动肌以及支持肌用于构建人体骨骼模型，在具体计算能量消耗时，依据激活模式的分类，对原动肌、拮抗肌以及协同肌进行加权计算，更符合实际运动情况。
-
公开(公告)号：CN118069483B
公开(公告)日：2024-11-05
申请号：CN202410285717.9
申请日：2024-03-13
Applicant: 中南大学湘雅医院
Abstract: 本发明公开了一种医疗信创系统的评测构建管理方法，涉及医疗信创系统技术领域。该一种医疗信创系统的评测构建管理方法，基于医疗信创系统需求调研获取的预设医疗信创系统环境构建环境信息分析，获得医疗信创系统环境模拟评估值，用于为医疗信创系统环境进行评估与选择；通过分析医疗信创系统环境模拟评估值所选择的医疗信创系统环境进行预设医疗信创系统性能测试，评估不同环境下的预设医疗信创系统性能表现；基于预设医疗信创系统性能测试后建立的医疗信创系统获取的实时监测信息，结合预设医疗信创系统性能测试结果分析，获得医疗信创系统风险监测值，用于对医疗信创系统进行风险监测。
-
公开(公告)号：CN114663699B
公开(公告)日：2024-08-06
申请号：CN202210220386.1
申请日：2022-03-08
Applicant: 中南大学湘雅医院
IPC: G06V10/764 , G06V10/774 , G06T7/00 , G06T7/62 , G06T7/90 , G16H50/20 , G16H50/30
Abstract: 本发明公开了一种高精度识别伤口损伤组织类型和预测伤口愈合时间的方法，包括识别伤口损伤组织类型的方法和预测伤口愈合时间的方法，其特征在于：所述识别伤口损伤组织类型的方法主要在于训练精准地识别伤口损伤的组织类型的机器学习模型。本发明的一种高精度识别伤口损伤组织类型和预测伤口愈合时间的方法，能够精准识别伤口损伤组织类型，能够有助于临床诊断，同时能够摆脱以往依据医生经验判断的方式，能够帮助经验不足的医生依然能够精准地判断伤口组织类型，同时判断过程更加快速便捷，能够精准预测伤口愈合时间，一方面能够帮助经验不足的医生进行判断，另一方面能够让病人时刻了解自己的病情情况。
-
公开(公告)号：CN117982100A
公开(公告)日：2024-05-07
申请号：CN202410025962.6
申请日：2024-01-08
Applicant: 中南大学湘雅医院
Abstract: 本发明涉及认知评估的技术领域，公开了一种基于大模型的老年人认知能力评估方法，所述方法包括：对采集的受试者脑电信号预处理，并进行时空联合特征融合，所述时空联合特征包括频段时序综合特征和空间耦合特征，对脑电信号历史数据集合中的脑电信号提取时空联合特征，结合分类标签组成分类特征库，将受试者脑电信号提取的时空联合特征作为待测特征，并从分类特征库中搜索最近邻特征得到近邻特征集合，根据搜索得到的近邻特征确定特征权重和局部均值向量，根据计算得到的近邻特征权重和局部均值向量确定受试者脑电信号类别，判断受试者认知能力。
-
Patent Agency Ranking
公开(公告)号：CN116433652B
公开(公告)日：2024-02-23
申请号：CN202310531381.5
申请日：2023-05-11
Applicant: 中南大学
IPC: G06T7/00 , G06T7/155 , G06V10/774 , G06V10/82 , G16H10/60 , G06N3/0442 , G06N3/045 , G06V20/69 , G06F16/35 , G16H50/20
Abstract: 本发明涉及医疗人工智能领域，公开了一种用于确定胚胎移植的妊娠结果的方法、处理器及装置。方法包括：将病历的文字数据输入至第一全连接神经网络，得到第一妊娠率；将胚胎培养的时序图像数据输入至残差网络，得到多张胚胎图像的形态学特征；将时序图像特征输入至序列到序列模型的Decoder层，得到第一融合特征，时序图像特征包括多张胚胎图像的形态学特征和胚胎形态变化的时序特征；将第一融合特征输入至第二全连接神经网络，得到第二妊娠率；将促排卵用药的时序数据输入至长短期记忆网络，得到第三妊娠率；根据第一妊娠率、第二妊娠率和第三妊娠率，确定胚胎移植的妊娠结果。胚胎移(56)对比文件CN 110808098 A,2020.02.18CN 112329664 A,2021.02.05CN 112990319 A,2021.06.18CN 113317820 A,2021.08.31CN 113469958 A,2021.10.01CN 114648488 A,2022.06.21CN 114972167 A,2022.08.30CN 115331803 A,2022.11.11US 2014087415 A1,2014.03.27US 2022367064 A1,2022.11.17WO 2014121205 A1,2014.08.07Lei Shen 等.The Application ofArtificial Intelligence in PredictingEmbryo Transfer Outcome of RecurrentImplantation Failure《.Front. Physiol.》.2022,第13卷(第2022期),1-12.Alejandro Chavez-Badiola 等.Predicting pregnancy test results afterembryo transfer by image featureextraction and analysis using machinelearning《.Sci Rep.》.2020,第10卷(第01期),1-6.Prachi Godiwla 等.Pregnancy Outcomesafter frozen-thawed embryo transfer usingletrozole ovulation induction, natural,or programmed cycles《.Fertil Steril.》.2022,第118卷(第04期),690-698.夏秋平 等.体外受精-胚胎移植中受精失败的相关因素《.中南大学学报（医学版）》.2020,第45卷(第08期),960-965.孙丹 等.体外受精-胚胎移植术有助于提高宫腔粘连分离术后患者的活产率《.中南大学学报(医学版)》.2022,第47卷(第11期),1559-1567.孔红娇.体外受精-胚胎移植技术中影响异位妊娠发生的多因素分析及预测模型的建立.《中国优秀硕士学位论文全文数据库 医药卫生科技辑》.2022,(第(2022)05期),E068-161.刘凤霞.移植前性激素对冻融胚胎移植妊娠结局的预测价值《.中国优秀硕士学位论文全文数据库医药卫生科技辑》.2015,(第(2015)12期),E068-71.
-
公开(公告)号：CN116433652A
公开(公告)日：2023-07-14
申请号：CN202310531381.5
申请日：2023-05-11
Applicant: 中南大学
IPC: G06T7/00 , G06T7/155 , G06V10/774 , G06V10/82 , G16H10/60 , G06N3/0442 , G06N3/045 , G06V20/69 , G06F16/35 , G16H50/20
Abstract: 本发明涉及医疗人工智能领域，公开了一种用于确定胚胎移植的妊娠结果的方法、处理器及装置。方法包括：将病历的文字数据输入至第一全连接神经网络，得到第一妊娠率；将胚胎培养的时序图像数据输入至残差网络，得到多张胚胎图像的形态学特征；将时序图像特征输入至序列到序列模型的Decoder层，得到第一融合特征，时序图像特征包括多张胚胎图像的形态学特征和胚胎形态变化的时序特征；将第一融合特征输入至第二全连接神经网络，得到第二妊娠率；将促排卵用药的时序数据输入至长短期记忆网络，得到第三妊娠率；根据第一妊娠率、第二妊娠率和第三妊娠率，确定胚胎移植的妊娠结果。胚胎移植的妊娠结果的预测更加准确可靠。
-
公开(公告)号：CN116304595A
公开(公告)日：2023-06-23
申请号：CN202310529219.X
申请日：2023-05-11
Applicant: 中南大学湘雅医院
IPC: G06F18/15 , G16H20/30 , G06F18/22 , G06F18/23 , G06F18/2433
Abstract: 本发明公开了一种基于共享云平台的智能运动分析系统及方法，属于运动智能监测技术领域。本发明通过运动数据采集模块采集原始运动数据，运动数据处理模块根据原始运动数据确定用户活跃时长、时间步数比重以及步数相似度，将根据用户活跃时长、时间步数比重以及步数相似度筛选出的异常运动数据进行剔除，得到正常运动数据，运动数据分析模块基于从正常运动数据中提取的出特征数据得到运动趋势数据，根据运动趋势数据进行数据分析，得到运动数据分析结果，云平台将运动数据分析结果发送至各个用户终端，以实现运动数据的共享，通过上述方式可以准确分析出用户的实际运动情况，能够有效保证用户的健康安全，同时还通过云平台实现了运动数据的共享。
-
公开(公告)号：CN115994677A
公开(公告)日：2023-04-21
申请号：CN202310290346.9
申请日：2023-03-23
Applicant: 中南大学湘雅医院
IPC: G06Q10/0631 , G16H40/20 , G06Q50/26
Abstract: 本申请提供一种老人医疗服务的时间评估方法，涉及老人医疗服务技术领域。该方法包括获取服务对象群体中每个服务对象的诊疗数据，根据诊疗数据，确定最小固定服务周期以及每个服务对象的服务需求信息；根据服务需求信息，在最小固定服务周期内对服务对象群体的每个服务对象进行时间顺序服务划分，形成顺序类别数据；根据顺序类别数据，确定每日需要服务的服务对象，形成日服务对象群体，并结合服务需求信息对日服务对象群体进行医疗服务规划，形成顺序医疗服务数据；根据顺序医疗服务数据进行服务人员的信息规划。其能够对医疗人员进行最优化配置，以在节约成本的基础上实现高效的老人医疗服务。
-
公开(公告)号：CN115767436A
公开(公告)日：2023-03-07
申请号：CN202211415972.8
申请日：2022-11-12
Applicant: 中南大学湘雅医院
Abstract: 本发明提供一种医护与患者智能手表联动寻回患者的方法及系统，方法包括：实时采集患者智能手表发出信号定位信息；计算若干个被监测患者所在区域内的饱和度，判断被监测患者所在区域内的饱和度是否小于饱和度阈值，进而选择是否联动控制广播系统广播被监测患者区域内患者越界，并联动医护手表接收越界患者定位信息；医护手表确定越界患者移动方向；采用粒子群优化算法规划医护人员追踪越界患者路径，将越界患者带回至其所属的被监测患者所在区域。本发明提供的医护与患者智能手表联动寻回患者的方法，基于智能手表内带有的IC标签，基于物联网技术进行远程无线定位，为医疗系统的管理人员监护、管理和追踪患者提供了便捷。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.03 seconds)
