去除电生理信号中工频干扰信号的方法

    公开(公告)号:CN101548885A

    公开(公告)日:2009-10-07

    申请号:CN200910030895.2

    申请日:2009-04-17

    Applicant: 南京大学

    Abstract: 一种去除电生理信号中工频干扰信号的方法,步骤包括:1)对于采集到的电生理信号,把工频干扰信号看作正弦信号,重构该正弦信号,该正弦信号即为类似于工频干扰的正弦信号;2)从采集到的电生理信号中减去重构的正弦信号,即消除干扰,得到纯净的电生理信号。本方法用简单的减法应用就消除了干扰,而且效果很好。

    人体平衡功能检测方法与训练系统

    公开(公告)号:CN1771886A

    公开(公告)日:2006-05-17

    申请号:CN200510094164.6

    申请日:2005-08-31

    Applicant: 南京大学

    Abstract: 人体平衡功能定量检测的方法,通过直立、直坐和手指压力检测板完成人体直立的双足压力、坐压力或手压力信息转换成电压信号的能量转换部件,压力检测板的下面有四个(或八个)压力传感器,对称分布于平板的四个角(或八个方位),当压力作用于平板时,四个角(或八个方位)的传感器即给出与压力相关的一定大小的电信号,将这些信号通过换算即可求得作用于平板(检测板)上瞬时压力的中心位置,把这些随时变化的中心位置坐标逐点记录或通过显示板显示出来,即可对平衡功能进行各种分析或通过显示板的显示进行训练。

    一种自适应检测血管的多普勒超声系统

    公开(公告)号:CN116919452A

    公开(公告)日:2023-10-24

    申请号:CN202210370891.4

    申请日:2022-04-08

    Applicant: 南京大学

    Abstract: 一种自适应检测血管的多普勒超声系统,采用超声波收发阵列单元组成超声探头贴,超声探头贴的长度大于动脉血管的直径。超声探头贴的每个阵列单元可以独立地发射超声波,也可以独立地接收回波。整个检查过程分为三个阶段,第一阶段是超声探头贴贴合调整阶段,用以固定超声波收发单元阵列,使其在皮肤表面紧紧固定;第二阶段是血管定位阶段,设定工作模式,并通过反馈信号来确定血管的中心位置,以及确定最佳的超声波单元阵列工作模式;第三阶段是多普勒检查阶段,根据第二阶段的最佳组合方式进行超声波信号收发工作,获得最佳的多普勒信息。

    一种面向多种可变字长编码的码字拼接装置

    公开(公告)号:CN116131863A

    公开(公告)日:2023-05-16

    申请号:CN202310327458.7

    申请日:2023-03-30

    Applicant: 南京大学

    Abstract: 本发明提供了一种面向多种可变字长编码的码字拼接装置,包括预拼接模块、桶形移位模块、位拼接模块、寄存器选择模块;所述预拼接模块包含位扩展器、加法器和桶形移位寄存器,所述扩展器用于低位补零,所述加法器用于输出拼接后的不定长码字实际位宽,所述桶形移位寄存器用于向右移位;所述桶形移位模块用于进行循环移位;所述位拼接模块通过乒乓结构轮流负责位拼接和缓存尚未进行位拼接的数据;所述寄存器选择模块用于进行寄存器选择。本发明能够高效地对各种可变字长编码算法产生的多种不定长码字进行数据拼接且不会出现堵塞,且使数据流以字节为单位进行输出。

    一种基于自监督和终身学习的非接触式多模态生理信号检测方法

    公开(公告)号:CN115497143A

    公开(公告)日:2022-12-20

    申请号:CN202211237380.1

    申请日:2022-10-10

    Applicant: 南京大学

    Abstract: 本发明提出了一种基于自监督和终身学习的非接触式多模态生理信号检测方法。该方法使用基于知识蒸馏的自监督学习策略,充分利用了信号的自相似性先验,在完全不使用监督标签的情况下与同时期的监督模型相比鲁棒性更强,解决了监督标签带来的波形形状、不确定性时延的影响以及标注成本高导致训练数据集规模小的问题。通过下游任务的微调,能够实现心率、心率变异性,疲劳度等高置信度多模态生理信号输出。本发明提出的方法通过使用PC(Personal Computer,个人计算机)端基于自监督预训练与边缘计算平台基于终身学习微调相结合的分布式策略,充分均衡了边缘计算平台的算力,将用户在线输入的数据视为第二任务,基于终身学习算法提高模型在预训练离线大数据集和用户在线输入小数据集上的多任务性能。通过无标签终身学习微调能够让模型快速适应不同用户输入,针对不同环境提高模型的抗噪性能,实现了对不同用户非接触式多模态生理信号检测精度的进一步提升。

    一种基于多通道生理信号的心动特征融合提取方法

    公开(公告)号:CN113491522A

    公开(公告)日:2021-10-12

    申请号:CN202010262755.4

    申请日:2020-04-07

    Applicant: 南京大学

    Inventor: 张翼 葛云 陈颖

    Abstract: 本发明公开了一种基于多通道生理信号的心动特征融合提取方法,它包括4个步骤——(1)对多通道生理信号提取关键时间段;(2)对关键时间段内的多通道生理信号进行包括扁平线与Z型线判别、基线漂移去除、工频干扰去除、起搏器尖峰滤除的预处理;(3)针对ECG信号、ABP信号、PPG信号提取各自的R峰位置与心动周期信息,并计算信号质量指数和关联质量指数;(4)根据信号质量指数与关联质量指数同信号质量采信阈值与关联质量采信阈值的比较情况,进行心动特征融合:结合ABP信号与PPG信号的心动周期信息,对ECG信号进行R峰探测,并和单独利用ECG信号探测的R峰位置做对比,选择性的进行R峰标记的添加或修改。本方法能充分利用多通道生理信号的心动周期信息,提升ECG信号R峰探测准确性,提升心律失常误报警抑制率,经实际数据测试,效果很好。

    一种基于交叉对比神经网络的心音录音分类技术

    公开(公告)号:CN112749295A

    公开(公告)日:2021-05-04

    申请号:CN201911057340.7

    申请日:2019-10-31

    Applicant: 南京大学

    Abstract: 本发明公布了一种基于交叉对比神经网络的心音录音分类技术。本发明根据手机录音的性质,在原始数据集的基础上,通过模拟录音效果以及一维信号到二维图像的转化,建立了一个全新的心音时频图数据集,并应用交叉对比神经网络的模型进行分类。该神经网络的卷积层经过训练,能够提取出心音时频图中的特征,随后在这些特征上引入IBS模型与两两交叉对比的方法,根据其统计信息计算两张图片的相似性,进而判断所属类别,实现疾病的筛查,在手机录音的心音上取得了较高的分类准确率。

Patent Agency Ranking