-
公开(公告)号：CN115691788B
公开(公告)日：2023-07-14
申请号：CN202211339943.8
申请日：2022-10-27
Applicant: 北京理工大学
IPC: G16H50/20 , G06F18/241 , G06N3/049 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于异构数据的双重注意力耦合网络糖尿病分类系统，该系统基于双重注意力的LSTM‑CNN耦合网络,构造一种自适应地调整不同数据源重要性的融合方法,来学习和集成异构数据中的特征，解决了机器学习的糖尿病诊断问题中，数据的复杂和高度不稳定的问题；在FGM子网络中嵌入卷积块注意力模块(Convolutional Block Attention Module，CBAM)，为复杂序列的学习引入注意力模块来表达对特定位置的信息偏好，显著提高了网络学习性能；利用真实医学临床数据对本发明提出的系统进行了验证，基于60名受试者的真实实验数据，糖尿病类型的分类准确率达到95.835％，Matthews相关系数、F1值和G‑mean等综合性能指标分别为91.333％、94.939％和94.937％。所提方法的结果优于所有基准方法的结果，表明了糖尿病类型分类的可行性。
-
公开(公告)号：CN114748862B
公开(公告)日：2023-04-11
申请号：CN202210314127.5
申请日：2022-03-28
Applicant: 北京理工大学
Abstract: 本发明公开了一种低氧耐受能力动态性能主动测试系统，气体发生单元通过第一减压阀与所述低氧气路单元和所述电磁阀连通，所述低氧气路单元通过所述电磁阀与第二减压阀连通，所述第二减压阀与所述呼吸面罩连通，所述生理检测单元的血压传感器和血氧传感器均与所述数字一体化计算与控制单元连接，所述低氧气路单元与所述电磁阀之间设有第一流量传感器，所述第二减压阀和所述呼吸面罩之间设有第二流量传感器。本发明采用上述结构的一种低氧耐受能力动态性能主动测试系统，本系统使用增量式PID控制，采用气体流量作为控制量，调节低氧气路和空气气路的流量比例，实现对输出气体氧含量的控制。
-
公开(公告)号：CN115487388A
公开(公告)日：2022-12-20
申请号：CN202211121306.3
申请日：2022-09-15
Applicant: 北京理工大学
IPC: A61M16/00 , A61B5/021 , A61B5/1455
Abstract: 本发明提供一种基于血氧饱和度反馈的闭环供氧调节系统，属于人体血氧饱和度调控技术领域，该系统包括：生理检测模块、储氧输氧模块及供氧干预算法模块；所述生理检测模块，用于检测用户的生理数据，并传输给供氧干预算法模块；所述供氧干预算法模块，用于根据所述生理数据，生成控制信号并传输给储氧输氧模块；所述储氧输氧模块，在所述控制信号的控制下进行氧气的输出。
-
公开(公告)号：CN114464319B
公开(公告)日：2022-11-01
申请号：CN202210037587.8
申请日：2022-01-13
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于性能监控与深度神经网络的数据驱动AMS易感性评估系统，可以监控技术结合深度神经网络应用于低氧耐受能力动态性能评估中，学习SpO2慢特征和IHT过程采集的数据中关键信息，并对人体低氧耐受能力进行分类；利用慢特征分析和长短时记忆网络构建分类器，充分挖掘生理数据的本质特征，实现快速且高准确率地对个体耐低氧能力进行分类；本发明系统最突出的特征是引入性能监控与深度神经网络的思想对动态生理数据进行个体AMS易感性评估，同时，评估过程融合了由睡眠质量数据和LLS构成的低氧耐受适应域，以达到多角度全面评估效果；首次结合睡眠质量数据和LLS指标构建低氧耐受适应域，以消除LLS存在的主观性问题。
-
公开(公告)号：CN111063435B
公开(公告)日：2022-09-27
申请号：CN201911039832.3
申请日：2019-10-29
Abstract: 本发明提供一种糖尿病分型诊断系统，该诊断系统采集参与者葡萄糖的测量值并进行分段处理，获得趋势波动函数，并根据所述趋势波动函数完成糖尿病的诊断。该系统能够克服多种干扰因素导致的测得的瞬时血糖波动数据信息冗杂的现状，利用数据分析技术揭示不同类型糖尿病动态血糖变化过程的波动规律，初步建立一个基于瞬时血糖监测数据、用于评估患者内在胰岛素产生和协助糖尿病分型的新指标，即去趋势波动函数Fd(l)，以协助糖尿病的诊断和揭示糖尿病的实质。
-
Patent Agency Ranking
公开(公告)号：CN114903648A
公开(公告)日：2022-08-16
申请号：CN202210500896.4
申请日：2022-05-09
Applicant: 北京理工大学
IPC: A61F2/02
Abstract: 本发明公开了一种基于ESO和模型预测控制的双激素人工胰腺控制器，包括基于ESO的误差估计与切换控制模块、胰岛素输注模型预测控制模块，胰高血糖素输注模型预测控制模块；基于ESO的误差估计与切换控制模块是使用ESO进行对人体血糖代谢简化模型的总扰动的估计，通过模型迭代完成预测过程，基于预测结果完成切换规则的建立。本发明采用上述的一种基于ESO和模型预测控制的双激素人工胰腺控制器，使用辅助ESO对系统建模过程中的未知扰动部分进行估计，从而完成对于下一时刻系统状态的预测，使用预测结果完成切换模型的建立实现双激素模式的转换，同时通过模型预测控制算法完成核心胰岛素‑胰高血糖素控制器的设计，实现了对糖尿病患者血糖水平的有效控制。
-
公开(公告)号：CN112927802B
公开(公告)日：2022-07-19
申请号：CN202110117772.3
申请日：2021-01-28
Abstract: 本发明提供一种专家经验辅助的餐前胰岛素剂量学习优化决策系统，结合人工智能和专家经验方法，同时挖掘患者血糖监测和胰岛素输注数据蕴含的信息，实现在少样本下，仍能基于历史数据确定安全有效的餐前胰岛素剂量，改善餐后血糖管理，同时赋予系统不断自适应学习，提升决策性能的能力；由此可见，本发明为改善餐后血糖管理，利用少量患者历史数据，设计了专家决策辅助的餐前胰岛素剂量个体化学习决策系统，该系统引入模型预测评估方法，有效避免少样本条件下系统决策失误，持续学习患者血糖代谢规律；同时，本发明还引入迭代更新思想，自适应确定餐后血糖管理目标，实现为不同患病情况的糖尿病患者少样本下快速确定安全有效的餐前胰岛素剂量。
-
公开(公告)号：CN114613509A
公开(公告)日：2022-06-10
申请号：CN202210425970.0
申请日：2022-04-21
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于贝叶斯优化的人工胰腺长期适应的个体化学习系统，包括个体血糖状况评估模块、个体化AP参数学习模块、贝叶斯优化模块。本发明采用上述的一种基于贝叶斯优化的人工胰腺长期适应的个体化学习系统，实施个体化AP自适应，稳健地调整AP参数(BR)，增加正常血糖时间比例，显著降低低血糖发生的风险。
-
公开(公告)号：CN112133439B
公开(公告)日：2022-06-03
申请号：CN202010930702.5
申请日：2020-09-07
Applicant: 北京理工大学
Abstract: 本发明提供一种基于高斯过程的餐前胰岛素剂量个体化决策系统，利用人工智能方法，同时挖掘患者血糖监测和胰岛素输注数据蕴含的信息，建立符合人体代谢规律的餐后血糖预测模型，运用风险敏感优化控制思想，个体化确定风险敏感系数，并利用贝叶斯优化方法求解优化问题，实现即使在模型预测存在偏差下，仍能确定安全有效的餐前胰岛素剂量，改善餐后血糖管理；由此可见，本发明为改善餐后血糖管理，利用患者历史数据，设计了基于高斯过程学习风险敏感控制的餐前胰岛素剂量个体化决策系统，该系统充分挖掘患者血糖代谢历史数据的信息，建立餐后血糖预测模型，便于后续实施餐后血糖控制或者用于餐后高低血糖预警。
-
公开(公告)号：CN112133439A
公开(公告)日：2020-12-25
申请号：CN202010930702.5
申请日：2020-09-07
Applicant: 北京理工大学
Abstract: 本发明提供一种基于高斯过程的餐前胰岛素剂量个体化决策系统，利用人工智能方法，同时挖掘患者血糖监测和胰岛素输注数据蕴含的信息，建立符合人体代谢规律的餐后血糖预测模型，运用风险敏感优化控制思想，个体化确定风险敏感系数，并利用贝叶斯优化方法求解优化问题，实现即使在模型预测存在偏差下，仍能确定安全有效的餐前胰岛素剂量，改善餐后血糖管理；由此可见，本发明为改善餐后血糖管理，利用患者历史数据，设计了基于高斯过程学习风险敏感控制的餐前胰岛素剂量个体化决策系统，该系统充分挖掘患者血糖代谢历史数据的信息，建立餐后血糖预测模型，便于后续实施餐后血糖控制或者用于餐后高低血糖预警。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.043 seconds)
