便携式心电监护系统
    42.
    发明公开

    公开(公告)号:CN103393418A

    公开(公告)日:2013-11-20

    申请号:CN201310120636.5

    申请日:2013-03-25

    Abstract: 本发明公开了一种便携式心电监护系统,包括两个非接触式电极片、胸带、紫蜂Zigbee心电采集与发送模块、紫蜂Zigbee无线接收模块、嵌入式显示与报警模块。两个非接触式电极片分别安装在胸带内侧的圆形电极片卡槽上,紫蜂Zigbee心电采集与发送模块安装在胸带外侧的固定卡槽上,紫蜂Zigbee心电采集与发送模块与两个非接触式电极片通过信号输出线相连,紫蜂Zigbee无线接收模块通过串口电路与嵌入式显示与报警模块相连。本发明具有操作简单、便于移动、非接触式,可以实时显示使用者的心电图和心率,在心率异常时发送报警短信,并且可以将心电数据存储到安全数码SD卡中,以便进行更进一步的心电数据分析的优点。

    CCD相机成像应用的校准方法

    公开(公告)号:CN101532948A

    公开(公告)日:2009-09-16

    申请号:CN200910022186.X

    申请日:2009-04-24

    Abstract: 本发明提供了CCD相机成像应用的校准方法,包括对CCD相机像元响应非均匀性的校准方法;以及利用已知的积分球均匀光源的绝对量值和对应的CCD相机所捕获图像的像素灰度反推所对应光源绝对强度的校准方法。像元响应非均匀性的校准方法根据图像上每个像素灰度信息自动获得全幅图像的补偿矩阵;绝对强度的校准方法通过图像的曝光时间和图像上各个像素灰度来反推出所对应光源的绝对强度函数关系的定量信息。本发明的像元响应非均匀性校准和绝对强度的校准方法可以随CCD相机曝光时间和图像的像素灰度的变化而自动的根据校准方法中得到的校准函数关系分别进行像元响应非均匀性和所对应光源绝对强度的自动校准。

    弥补步态二值图失真的方法

    公开(公告)号:CN101241546A

    公开(公告)日:2008-08-13

    申请号:CN200710019117.4

    申请日:2007-11-20

    Abstract: 本发明公开了一种弥补步态二值图失真的方法,主要解决步态数据库中的步态二值图所含人体信息缺损的问题。该方法的具体过程是:对步态二值图进行去噪、裁剪的预处理,得到标准步态图;将当前表征步态图与前一帧标准步态图的差值作为标准步态图的帧差;将步态周期中的各幅标准步态图相加,并取其平均,得到本周期的步态能量图;按照设定域值对步态能量图进行过滤,去除能量图的噪声或较弱的信号得到步态主体图;将步态主体图与标准步态图的帧差进行合并,得到帧差主体图,以弥补步态二值图因人体信息缺损造成的失真,并体现人体在行走过程中形态上的变化。本发明具有能有效地表征步态二值图,提高识别率的优点,可用于步态识别中的图像处理过程。

    一种联合TMS与taVNS的一体化同步治疗系统

    公开(公告)号:CN118304572A

    公开(公告)日:2024-07-09

    申请号:CN202410334351.X

    申请日:2024-03-22

    Abstract: 本发明公开了一种联合TMS与taVNS的一体化同步治疗系统,包括:中央控制与处理模块向经颅磁刺激模块下发TMS治疗方案,向经皮耳部迷走神经刺激模块下发taVNS治疗方案;经颅磁刺激模块对病患实施经颅磁刺激;经皮耳部迷走神经刺激模块对病患实施经皮耳部迷走神经刺激;心电信号采集模块采集病患的心电信号;中央控制与处理模块对心电信号进行处理得到病患的实时心率进而得到心率变异性参数;根据心率变异性参数选择性地控制经颅磁刺激模块和经皮耳部迷走神经刺激模块同步工作。本发明将TMS与taVNS两种非侵入调控手段进行联合,并引入反馈机制,建立了一体化的治疗系统,提升了治疗效果。

    基于深度学习的ECG信号睡眠阶段划分模型训练方法

    公开(公告)号:CN118171192A

    公开(公告)日:2024-06-11

    申请号:CN202311810630.0

    申请日:2023-12-26

    Inventor: 秦伟 曾啸 王志钢

    Abstract: 本发明提供了一种基于深度学习的ECG信号睡眠阶段划分模型训练方法,包括:从多个心电图ECG信号中提取预设时长的心率片段作为原始训练样本;对各原始训练样本进行预处理和特征提取,以得到多个目标训练样本;根据各目标训练样本对基于ResNet架构的初始睡眠阶段划分模型进行训练,得到基于深度学习的ECG信号睡眠阶段划分模型,基于深度学习的ECG信号睡眠阶段划分模型包括双向LSTM,双向LSTM用于进行时间序列上下文信息的提取,实现了采用ECG信号进行睡眠阶段划分,在EEG信号不可用时或过于繁琐不便采集时,为睡眠阶段划分的实现提供经济且高效可行、准确性高的方案。

    基于多尺度宽度学习网络的睡眠阶段自动划分框架的方法

    公开(公告)号:CN117688363A

    公开(公告)日:2024-03-12

    申请号:CN202311700763.2

    申请日:2023-12-12

    Abstract: 本发明公开了基于多尺度宽度学习网络的睡眠阶段自动划分框架的方法,涉及睡眠分类识别技术领域,该方法包括:获取初始信号,对初始信号进行预处理,得到特征矩阵并得到特征集合;利用特征集合对睡眠分期模型进行训练,得到训练好的睡眠分期模型;其中,睡眠分期模型包括:预训练模块和上下文特征增强模块;预训练模块包括分类单元和样本平衡单元,预训练模块用于利用预训练模块以及特征集合,得到与特征集合中每条数据对应的第一预测标签以及第一分期概率矩阵;上下文特征增强模块用于利用第一分期概率矩阵,得到最终分期概率矩阵;利用训练好的睡眠分期模型,确定睡眠阶段;实现了减少计算量的同时,利用模型训练的方法,得到了可解释行的模型。

    一种静息状态下心脑电信号耦合方法

    公开(公告)号:CN117442210A

    公开(公告)日:2024-01-26

    申请号:CN202311201161.2

    申请日:2023-09-15

    Abstract: 本发明公开了一种静息状态下心脑电信号耦合方法,包括以下步骤:获取心电原始信号和脑电原始信号;对心电原始信号进行第一预处理得到瞬时心率功率谱;对脑电原始信号进行第二预处理得到每个预设频带的第一脑电功率谱和第二脑电功率谱;根据瞬时心率功率谱和第一脑电功率谱分别确定心电拟合功率数据和心脑拟合功率数据;根据心电拟合功率数据和心脑拟合功率数据确定F统计量;根据瞬时心率功率谱和第二脑电功率谱确定心电功率相空间和脑电功率相空间;根据心电功率相空间和脑电功率相空间确定第一非线性相关系数和第二非线性相关系数。本发明通过从线性和非线性的角度计算心脑之间的耦合关系和耦合程度,能够全面和准确地表征心脑之间的复杂动态关系。

Patent Agency Ranking