-
公开(公告)号：CN111950460B
公开(公告)日：2022-09-20
申请号：CN202010811227.X
申请日：2020-08-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种自适应肌力的卒中患者手部康复训练动作识别方法，其同时采集肌电信号、加速度和角速度数据，同时得到生理学和运动学的客观测量数据，使用不同肌力水平下的样本集训练模型，使得该深度学习模型可以自适应受试者完成动作时肌力的变化，解决了不同肌力条件下因肌电信号差异较大导致的识别鲁棒性低的问题。本方法通过多路多尺寸卷积神经网络自动且自适应地提取不同数据特征，融合多种特征后使用神经网络进行分类识别，避免了人工特征工程导致的信息冗余或丢失以及特征弱化，有效提高了不同肌力水平下卒中患者手部康复训练动作的识别精度。
-
公开(公告)号：CN111949792B
公开(公告)日：2022-05-31
申请号：CN202010811218.0
申请日：2020-08-13
Applicant: 电子科技大学
IPC: G06F16/35 , G06F40/211 , G06K9/62 , G16C20/50
Abstract: 本发明公开了一种基于深度学习的药物关系抽取方法，本发明利用RDKit工具，将药物分子式转换为分子图结构，再将药物分子的特征进行了表达，同时提取样本的文本特征，将药物分子特征和样本的文本特征进行了结合后，再利用全连接层softmax对药物关系进行分类，采用了句子中药物的理化性质，可以提高抽取准确率，解决现有方法难以覆盖所有文本场景且过分依赖外部自然语言处理工具的问题。
-
公开(公告)号：CN109346180B
公开(公告)日：2022-04-01
申请号：CN201810877230.4
申请日：2018-08-03
Applicant: 电子科技大学
Abstract: 本发明提供一种中医方剂君臣佐使训练识别方法及系统，能够解决方剂中君臣佐使训练判断的问题。所述方法包括：获取方剂，方剂的功效，以及方剂中各药物的实际剂量和其在方剂中书写的绝对位置；对方剂的功效进行拆分；将方剂中各药物的实际剂量标准化为相对剂量；将药物在方剂中的绝对位置转换为相对位置；在方剂数据库上构建基于方剂功效，药物相对剂量和药物相对位置的朴素贝叶斯分类器，确定每个药物分别在君臣佐使上的概率值，得到该药物的君臣佐使的偏性。本发明适用于中医方剂学技术领域。
-
公开(公告)号：CN110289096B
公开(公告)日：2021-12-07
申请号：CN201910574239.2
申请日：2019-06-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的ICU院内死亡率预测方法。本发明通过使用深度学习对ICU内死亡进行预测，不仅使用患者动态体征变化数据，还加入了年龄、患病类型等影响死亡率的重要人口统计学特征；在经典LSTM(多层双向与单向长短期记忆模型)网络的基础上增加了三个用于控制时间增量变化的时间门，解决临床数据常见的不规则采样及数据缺失问题；引入注意力机制对每个时刻的隐藏状态进行融合，模型收敛速度更快，且不易丢失初始阶段包含的信息。
-
公开(公告)号：CN111184512B
公开(公告)日：2021-06-01
申请号：CN201911394850.3
申请日：2019-12-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种脑卒中患者上肢及手部康复训练动作识别方法，采用非负矩阵分解模型对肌电信号数据进行盲源分离，去除非平稳的肌肉激活信息，获得稳定的时变盲源分离结果；应用分解后的时变盲源分离结果数据做进一步的模式识别，提高识别的稳定性和精度；通过CNN‑RNN模型使得学习的特征同时保持时间和空间特性。CNN‑RNN模型无需进行人工的数据特征提取与筛选，直接处理数据，自动提取特征且完成分类识别，可以实现端到端的康复训练动作识别分析，并结合注意力层对两层双向GRU层中第二层的隐含状态做注意力加权，赋予贡献度大的数据更大的权重，使其发挥更大作用，从而进一步提升分类识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN112674734A
公开(公告)日：2021-04-20
申请号：CN202011596336.0
申请日：2020-12-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于监督Seq2Seq模型的脉搏信号噪声检测方法，本发明先对目标信号进行经验模态分解，然后使用训练好的Seq2Seq模型得到该信号的特征表示，最后使用最近邻分类器，将其特征表示与训练集中已知类别信号的特征表示进行对比，进而确定该信号是否为噪声信号。本发明利用经验模态分解方法自适应提取输入信号的时频特征，将脉搏信号与噪声信号差别较大的时频信息进行突出；此外本发明还提取输入信号的多尺度特征，自动挖掘信号的具有区分力的深度特征表示，利用关系正则化引导脉搏信号的特征表示彼此接近，增加特征表示的辨别力，可以有效提高噪声信号检测精度，且不需要手动设置阈值。
-
公开(公告)号：CN111949792A
公开(公告)日：2020-11-17
申请号：CN202010811218.0
申请日：2020-08-13
Applicant: 电子科技大学
IPC: G06F16/35 , G06F40/211 , G06K9/62 , G16C20/50
Abstract: 本发明公开了一种基于深度学习的药物关系抽取方法，本发明利用RDKit工具，将药物分子式转换为分子图结构，再将药物分子的特征进行了表达，同时提取样本的文本特征，将药物分子特征和样本的文本特征进行了结合后，再利用全连接层softmax对药物关系进行分类，采用了句子中药物的理化性质，可以提高抽取准确率，解决现有方法难以覆盖所有文本场景且过分依赖外部自然语言处理工具的问题。
-
公开(公告)号：CN111938660A
公开(公告)日：2020-11-17
申请号：CN202010811477.3
申请日：2020-08-13
Applicant: 电子科技大学
IPC: A61B5/11 , A61B5/0488 , A61B5/00
Abstract: 本发明公开了一种基于阵列肌电的卒中患者手部康复训练动作识别方法，本发明应用阵列型肌电传感器采集患者训练过程前臂的肌电序列数据，保留肌肉在物理空间上的协同信息和肌肉活动随时间变化的信息；建立并行卷积神经网络自动提取不同时刻肌电数据的空间特征；建立长短期记忆网络自动学习肌电的时间依赖特征。融合肌电时空特征后进行分类识别，以避免人工特征工程导致的信息冗余或丢失，可以有效提高手部动作识别精度。
-
公开(公告)号：CN111297380A
公开(公告)日：2020-06-19
申请号：CN202010088355.6
申请日：2020-02-12
Applicant: 电子科技大学
Abstract: 本发明公开一种基于时空卷积核心块的情绪识别方法，应用于人机交互、远程教育、医疗保健等领域，针对现有技术存在的问题，本发明充分考虑EEG信号的时间维度以及空间维度特征信息，通过融合时间依赖性以及不同电极位置间的空间依赖性来增强情绪识别的准确性；具体的：首先获取DEAP情绪公开数据集并实现数据预处理，采用低通滤波器完成去噪操作，将数据输入STCB_CNN模型进行训练，训练好的模型用于情绪识别；本发明的方法能达到较高的识别精度。
-
公开(公告)号：CN111160564A
公开(公告)日：2020-05-15
申请号：CN201911300781.5
申请日：2019-12-17
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于特征张量的中文知识图谱表示学习方法，该方法包括：数据准备、建立数据结构、构建实体特征向量矩阵、定义标记三元组的关系向量和距离公式、得到训练集、对知识图谱表示学习模型进行训练、更新模型参数、迭代训练，并使用该模型对未标记三元组进行关系预测、再一次迭代训练，直至无法学习到新的未标记三元组。本发明提出使用中文拼音、字信息、词信息、描述信息组成特征张量，并转换为特征向量，用以替代传统知识表示学习中随机初始化实体向量的方法，充分利用了中文特点。另外，采用双层迭代的方式，对训练语料进行补充，使得关系矩阵能够不断修正，提高知识图谱表示学习模型的精度和收敛速度。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.027 seconds)
