-
公开(公告)号：CN113724227A
公开(公告)日：2021-11-30
申请号：CN202111015567.2
申请日：2021-08-31
Applicant: 电子科技大学
IPC: G06T7/00 , G06T7/13 , G06T7/90 , G16H30/20 , G16H50/20 , G16H50/30 , G06N3/04 , G06N3/08 , G06T5/50
Abstract: 本发明公开了藏医尿诊证型识别模型的训练方法、装置、设备及方法，训练方法包括以下步骤：S1、尿液图像采集：在尿液的尿热阶段、尿温阶段和尿凉阶段均拍摄三张尿液图像；三张尿液图像分别为白色背景俯视图、白色背景侧视图和黑色背景侧视图；S2、图像标记：基于临床上7种藏医证型状态和1种健康状态，将尿诊证型的标签定义为3种基础证型，确定步骤S1所采集尿液图像的标签，每个尿液的九张图像和对应的标签作为一个样本；S3、将若干样本作为样本集，输入网络模型进行样本训练，获得藏医尿诊证型识别模型。本发明将通过该训练方法获得的识别模型用于藏医尿诊证型识别，不仅实现了藏医尿诊的客观化，且能够提高证型识别精度。
-
公开(公告)号：CN113707331A
公开(公告)日：2021-11-26
申请号：CN202110874696.0
申请日：2021-07-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种中医辨证数据生成方法与系统，数据生成方法包括以下步骤：S1、数据获取与预处理，S2、构建特征症状的隐藏分布：将症状数据输入到编码器的其中一个全连接神经网络得到中间隐藏层，然后将隐藏层表示输入到编码器的另外两个全连接神经网络分别输出均值和方差，基于均值和方差，得到隐藏分布z；S3、重构特征症状；S4、构建全连接标签模型；S5、模型训练：基于重构误差、散度误差和标签损失误差构建模型；S6、生成新的特征症状。本发明在变分自编码器基础上额外增加了一层全连接神经网络，将预测标签和真实标签之间的误差信息引入到变分自编码器的训练之中，以此达到扩充样本的同时保证扩充样本在下游分类任务的性能。
-
公开(公告)号：CN113707330A
公开(公告)日：2021-11-26
申请号：CN202110872486.8
申请日：2021-07-30
Applicant: 电子科技大学
IPC: G16H50/70
Abstract: 本发明公开了一种蒙医辨证模型的构建方法和系统、方法，构建方法包括以下步骤：S1、医案数据预处理：获取医案集中的不同症状并表示为症状集合F，获取医案集中的不同证候并表示为证候集合Y，医案集中每个医案为一个样本；S2、构建样本的邻域特征‑标签相关性计算模型；S3、构建样本的标签相关性计算模型；S4、构建相互作用系数的计算模型；S5、基于步骤S4获得的相互作用系数的计算模型，以及样本与样本之间的异构重叠欧式度量距离，构建医案集中样本与样本之间的引力计算模型，并计算正负判别分数，进行标签预测。本发明不仅考虑症状与证候的相关性，还结合证候与证候的相关性,提高辨证结果准确度，为医师诊疗过程提供辅助决策。
-
公开(公告)号：CN113707317A
公开(公告)日：2021-11-26
申请号：CN202110965479.2
申请日：2021-08-23
Applicant: 电子科技大学
Abstract: 本发明公开一种基于混合模型的疾病危险因素重要性分析方法，应用于数据处理领域，针对现有的疾病危险因素分析方法可靠性较低的问题，本发明首先使用聚类算法划分初始危险因素，然后通过神经网络与ReliefF算法结合的混合模型分别分析危险因素类权重和类内危险因素权重，并进行权值融合获得危险因素的全局权重，最后使用逐级分类方法分析危险因素的有效性，并对危险因素之间的联合作用进行分析，提升方法的可靠性。
-
公开(公告)号：CN113591726A
公开(公告)日：2021-11-02
申请号：CN202110884652.6
申请日：2021-08-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种太极拳训练动作的交叉模态评估方法，对存在非线性关系的原始太极拳训练动作跨模态序列配准问题，本发明提出将视频序列与动作捕捉序列对齐的方法。对于不同长度和维度的太极拳运动序列进行去噪和重构恢复，然后进行分阶段时空配准，解决不同主体之间的运动差异，实现跨模态太极拳长序列的时空对齐，提高太极拳运动招式完成度评价准确度。
-
Patent Agency Ranking
公开(公告)号：CN113537140A
公开(公告)日：2021-10-22
申请号：CN202110884654.5
申请日：2021-08-03
Applicant: 电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于深度神经网络的杂草检测方法，本发明首先采用实例分割在图像上划分出属于农作物的像素点，然后根据超绿特征能够更有效地强化绿色植物特征的特点，把图像二值化，得到图像中所有绿色植物的像素点信息；用所有绿色植物的像素点减去农作物所在的像素点即可得到不是农作物的绿色植物的像素点；最后去掉一些像素点团中像素点数量较少的像素，剩余的像素点中一个像素连通区域即为一株杂草，并获取杂草的位置信息和轮廓信息，为精准农业提供技术支持。
-
公开(公告)号：CN111657918B
公开(公告)日：2021-09-24
申请号：CN202010537555.5
申请日：2020-06-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种结合心电和惯性传感数据的跌倒检测方法及系统，包括：利用包括ECG和惯性传感单元的设备采集人体日常活动过程的跌倒数据和日常动作数据；将收集的所述跌倒数据和日常动作数据按相同时间段进行分割后，分别进行提取得到惯性传感数据特征和ECG数据特征，并进行归一化处理得到归一化样本数据特征；采用主成分分析算法对所述归一化样本数据特征进行降维处理得到降维数据特征，采用支持向量机算法对所述降维数据特征进行分类，得到支持向量机分类模型；将新采集的数据输入支持向量机分类模型得到跌倒检测结果。分别从人体生理活动和姿态两个不同维度反映人体跌倒过程的变化，避免单一类型数据不准确的缺陷，提高跌倒检测精度。
-
公开(公告)号：CN109784291B
公开(公告)日：2020-10-23
申请号：CN201910063790.0
申请日：2019-01-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多尺度的卷积特征的行人检测方法，其包括获取待识别图像，并将其转换为设定尺寸后存储为转换图像；将转换图像输入VGG16网络模型进行特征提取，并将最后一个下采样层的输出存储为第一特征图，每个下采样层前一个卷积层的输出存储为第二特征图；将第一特征图输入区域推荐网络中，得到前景的推荐区域；截取转换图像与推荐区域对应的区域作为子图像，并将子图像输入VGG16网络模型得到每个子图像的第三特征图；截取第一特征图和所有第二特征图上与第三特征图相对应区域的特征图；将同一第三特征图截取的所有特征图拼接后输入识别网络中进行识别，得到推荐区域是行人的概率。
-
公开(公告)号：CN111710129A
公开(公告)日：2020-09-25
申请号：CN202010537951.8
申请日：2020-06-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种老年人实时碰撞前跌倒检测方法，通过实时为老年人佩戴惯性传感器，实时采集人体活动过程中人体活动数据集，通过滤波器滤波，并将滤波后的数据通过阈值法进行筛选，得到近似跌倒和跌倒动作数据，标注后作为训练样本输入碰撞前跌倒检测网络模型，调整模型参数，得到优化的网络模型；将实时采集的加速度计和陀螺仪数据经滤波和过滤后输入优化的碰撞前跌倒检测网络模型，得到实时碰撞前跌倒检测结果；本发明解决了机器学习算法对大量非跌倒数据的偏向会影响分类效果，产生误报和漏报的问题。
-
公开(公告)号：CN111681767A
公开(公告)日：2020-09-18
申请号：CN202010536331.2
申请日：2020-06-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种电子病历数据处理方法，包括：采集电子健康数据和血清学检测指标数据，将所述电子健康数据和血清学检测指标数据进行血管钙化等级评估得到样本标签数据集；对所述样本标签数据集进行数据筛选和特征选择预处理操作得到钙化状态的特征表示；采用所述钙化状态的特征表示构建嵌入层得到多维向量嵌入模型；输入所述多维向量嵌入模型构建历史钙化状态集，采用智能体选择所述多历史钙化状态集中的历史钙化状态，得到智能体的状态环境，通过LSTM网络对所述状态环境进行自适应学习历史钙化状态与上一时刻钙化状态得到血管钙化评估模型。采用动态跨越长短期强化记忆网络将电子病历不同时期的钙化状态数据融合提高了模型的评估准确度。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.026 seconds)
