-
公开(公告)号：CN108038300A
公开(公告)日：2018-05-15
申请号：CN201711286552.3
申请日：2017-12-07
Applicant: 长春理工大学
Abstract: 基于改进的隶属度函数结合神经网络的光纤状态评估方法，涉及光纤线路状态评估分析技术领域，解决现有技术无法实现对线路状态中的潜在故障进行分析与评估，进而无法规避即将发生的故障等问题，采用本发明所述的评估分析方法采用改进的欧式距离公式对隶光纤状态隶属度综合评价方法的隶属度权值进行优化组合，准确评估分析线路状态健康程度，分析线路是否存在潜在故障，提前制定维护策略，满足光纤通信不间断传输的要求。采用RBF神经网络评估分析模型，使得评估性能具有良好的拟合精度和收敛速度，更好的实现对光线状态的评估。
-
公开(公告)号：CN107485826A
公开(公告)日：2017-12-19
申请号：CN201710627299.7
申请日：2017-07-28
Applicant: 长春理工大学
IPC: A63B23/16 , A63B71/06 , A63F13/814 , A63F13/212 , A63F13/25
CPC classification number: A63B23/16 , A63B71/0622 , A63F13/212 , A63F13/25 , A63F13/814
Abstract: 基于虚拟现实技术的手部康复训练系统，涉及一种虚拟现实技术应用于康复医学领域，解决现有采用康复器材进行康复训练过程中，康复器只能起到被动式辅助性训练，导致训练效果差的问题，包括数据采集装置、数据处理系统和虚拟现实人机交互系统；所述数据采集装置用于获取手部的位置、移动状态以及手指位置的数据信息，并通过网络模块传至数据处理系统处理，虚拟现实人机交互系统提供用户手部康复训练的虚拟游戏界面；为用户提供指导说明，显示分数的消息，同时接收通知触发模块以及音频显示器的信息。本发明通过穿戴手套传感器采集用户活动手的运动与位置信息，以及运行有虚拟现实游戏界面增强康复训练。
-
公开(公告)号：CN119669686B
公开(公告)日：2025-05-16
申请号：CN202411733500.6
申请日：2024-11-29
Applicant: 长春理工大学
IPC: G06F18/20 , A61B5/369 , A61B5/372 , A61B5/389 , A61B5/397 , A61B5/00 , G06F18/25 , G06F18/27 , G06N3/0464
Abstract: 本发明提出了一种基于VMD与MSCNN的跨频段神经肌肉耦合分析方法，涉及生物信号处理技术领域，该方法首先通过VMD对EEG和sEMG信号进行频段分解，利用MSCNN提取每个频段的时频特征；随后，利用核化广义偏定向相干性(gPDC)对不同频段的神经‑肌肉信号进行耦合分析，深入探索跨频段间的复杂交互机制。此方法不仅能够捕捉同频段内的因果关系和耦合强度，还能够揭示跨频段的非线性耦合关系，克服了传统信号处理方法在分析跨频段交互机制时的局限性，以及同频段耦合分析所面临的不足。此外，该方法充分利用了深度学习模型在提取复杂耦合关系中的优势，从而为神经康复评估和神经调节机制的研究提供更加全面、精确的分析视角。
-
公开(公告)号：CN117617911B
公开(公告)日：2024-03-26
申请号：CN202410105597.X
申请日：2024-01-25
Applicant: 长春理工大学
Abstract: 本申请公开了一种睡眠阶段分期方法、装置、设备及存储介质，涉及睡眠处理技术领域，包括：将睡眠脑电波信号切分为若干个数据片段并标记相应的睡眠阶段标签；对标记后的所述若干个数据片段进行数据特征提取以得到若干个序列数据帧；通过预设神经网络模型确定所述若干个序列数据帧对应的空间注意力权重，并确定空间学习图和时间学习图；基于所述空间注意力权重和所述空间学习图对所述若干个序列数据帧进行空间卷积处理以得到睡眠空间图后进行时间平坦化处理，然后输入至所述BiGRU层以得到时间节点特征向量；然后进行睡眠阶段分类以得到数据阶段分期结果并基于所述数据阶段分期结果确定睡眠阶段分期结果。这样一来，提高了睡眠分期的可解释性。
-
公开(公告)号：CN117653147A
公开(公告)日：2024-03-08
申请号：CN202410133251.0
申请日：2024-01-31
Applicant: 长春理工大学
IPC: A61B5/372 , A61B5/374 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/23213 , G06F18/24
Abstract: 本发明公开一种基于脑电信号特征的分类方法，通过引入近似熵，并与GRU所捕捉的时序关系相结合，模型能够更好地理解信号的复杂结构，使K‑Means与GRU相互补充，形成一个更为综合和精确的意识状态分类模型。这种融合方法有效地利用了传统机器学习和深度学习的优势，提高了对意识状态的全面分类性能，特别是在捕捉脑电信号动态变化方面的准确性得到显著提升；本发明不仅提供了高效的K‑Means与GRU相结合的特征提取方法，还实现了对意识状态的自动分类。通过深度学习模型与机器学习方法的协同学习和训练，使得模型能够实时对新的脑电信号进行智能分类，为医疗领域提供了一种更加智能、高效的意识状态监测手段。
-
Patent Agency Ranking
公开(公告)号：CN117133437A
公开(公告)日：2023-11-28
申请号：CN202310309390.X
申请日：2023-03-28
Applicant: 长春理工大学
Abstract: 本发明属于医疗方法技术领域，尤其为一种基于CSA‑CBLSTM算法的无创连续血压估计方法，包括以下步骤：步骤A，利用血压数据库中的血压数据对模型进行训练。本发明我们以脉搏信号(PPG)和心电信号(ECG)作为信号输入，经过信号处理和CSA‑CBLSTM网络模型对输入信号进行特征提取进行血压估计，本发明提出的CSA‑CBLSTM算法在模型中引入了两种注意力机制，对提取到的不同通道和空间的特征进行筛选，筛选出各通道和空间特征的重要程度，提高模型性能，从而提升整体的拟合效果，整体方案为在CNN‑BiLSTM神经网络中，在卷积神经网络之后加入通道注意力模块，在BiLSTM模块之后加入空间注意力模块，同时加强模型的通道特征和空间特征的筛选，从而提高模型估计准确率。
-
公开(公告)号：CN116650835A
公开(公告)日：2023-08-29
申请号：CN202310537404.3
申请日：2023-05-12
Abstract: 本申请公开了一种电刺激设备的控制装置、方法及其介质，涉及医疗器械技术领域，用于实现对电刺激设备的工作控制，针对目前因为对电刺激模型参数辨识精度低影响电刺激设备的使用效果和性能的问题，提供了一种电刺激设备的控制方法，通过将电刺激模型进行映射变换使得变换后的电刺激输出参数与电刺激模型的输入输出函数构成线性关系，以满足使用辨识精度更高、收敛性更好的基于二进制灰狼优化算法的加权辅助变量最小二乘辨识方法(BGWO‑WRIVLS)的条件，进而由BGWO‑WRIVLS算法对电刺激模型输出参数进行辨识，获取辨识精度更高的电刺激设备以保证电刺激设备的使用效果，以满足实际应用中的用户需要。
-
公开(公告)号：CN116565912A
公开(公告)日：2023-08-08
申请号：CN202310589457.X
申请日：2023-05-24
Applicant: 长春理工大学
IPC: H02J3/28 , H02J3/00 , H02J3/32 , H02J3/38 , H02J3/46 , H02J1/10 , H02J1/12 , H02J1/14 , H02J7/35 , G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N3/006
Abstract: 基于非合作博弈的风‑光‑氢混合储能系统容量优化配置方法系统，涉及储能容量优化技术领域，解决现有混合储能系统的单一储能装置无法满足大额度存储电能和频繁充放电的需求，并由于系统仅考虑单一利益主体，导致混合储能系统中各投资方的收益差距过大等问题，包括构建混合储能系统，系统建立三个博弈方，分别为风电场、光伏电站、混合储能系统，并以各博弈参与者收益最大化为优化目标，以系统负荷缺电率最小、系统自身容量限制作为约束条件，建立基于非合作博弈的混合储能系统容量优化配置模型；利用改进鲸鱼优化算法对混合储能系统容量优化配置模型进行求解，以获取最优配置结果。本发明完成对混合储能系统更加全面的优化配置。
-
公开(公告)号：CN116509357A
公开(公告)日：2023-08-01
申请号：CN202310550097.2
申请日：2023-05-16
Applicant: 长春理工大学
IPC: A61B5/021 , A61B5/318 , A61B5/00 , G06F17/15 , G06F17/18 , G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/082
Abstract: 本发明属于血压监测技术领域，尤其为一种基于多尺度卷积的连续血压估计方法，该方法包括以下步骤：步骤A、利用血压数据库中的血压数据对模型进行训练。本发明，我们以脉搏信号(PPG)和心电信号(ECG)作为信号输入，经过信号处理和多尺度卷积神经网络模型对输入信号进行特征提取进行血压估计，本发明提出的基于多尺度卷积的神经网络，通过多尺度卷积神经网络利用三个不同尺度的卷积核对输入信号(ECG、PPG)进行时频域上的特征提取，以提取到更加精准且丰富的特征向量，经过横向连接模块，对三个尺寸的特征进行维度统一，构建特征金字塔，并通过回归分析模块对特征金字塔进行回归分析得到收缩压(SBP)和舒张压(DBP)。
-
公开(公告)号：CN115969329A
公开(公告)日：2023-04-18
申请号：CN202310094153.6
申请日：2023-02-08
Applicant: 长春理工大学
Abstract: 本申请公开了一种睡眠分期方法、系统、装置及介质，应用于睡眠分期领域，该方法包括：获取与睡眠有关的生理信号；获取所述生理信号经过图卷积神经网络进行特征提取后的第一输出特征；获取所述生理信号经过注意力机制卷积神经网络进行特征提取后的第二输出特征；获取所述第一输出特征和所述第二输出特征进行特征融合后的特征融合结果；根据所述特征融合结果获取睡眠分期结果。通过增加图卷积神经网络进行特征提取，解决了目前只能在欧几里得空间上进行特征提取的问题，同时增加了注意力机制卷积神经网络，利用注意力机制提取全局特征，最大限度的淡化了因为个体差异带来的局部最优的影响。不仅实现了对睡眠的分期，同时对睡眠分期的准确率也较高。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.071 seconds)
