-
公开(公告)号：CN115797305A
公开(公告)日：2023-03-14
申请号：CN202211578450.X
申请日：2022-12-06
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明提供了一种三维人耳图像解剖学区域分割方法、系统及设备，该方法包括：获得人耳点云数据；基于人耳点云数据，标出人耳点云数据的分割区域，形成点云区域分割数据集；对点云区域分割数据集进行预处理，获取训练数据集；建立初始识别网络模型，并使用训练数据集对所述初始识别网络模型进行训练，获得识别网络模型；基于识别网络模型，对人耳点云数据进行识别，得出人耳点云数据分割结果。本方案首次构建出人耳三维点云分割数据集，实现了对人耳三维图像语义分割，解决小规模人耳点云数据语义分割问题，且分割性能良好。
-
公开(公告)号：CN113888109A
公开(公告)日：2022-01-04
申请号：CN202110996719.5
申请日：2021-08-27
Applicant: 北京科技大学
Abstract: 本发明属于人工智能技术领域，尤其涉及旅居养老综合服务系统，本系统包括旅居养老平台和旅居养老管理平台，本发明解决了现有技术存在基于我国人口老龄化严重和信息化程度落后，从而导致老年人的生活质量偏低，不利于对老人进行康复护理和身心健康的问题，具有将旅居和康养相结合，不仅可以提高老年人的生活质量，还可以对老人进行康复护理，从而提高老人的身心健康的有益技术效果。
-
公开(公告)号：CN114549555A
公开(公告)日：2022-05-27
申请号：CN202210179495.3
申请日：2022-02-25
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于语义分割网络的人耳图像解刨学分割方法，该方法包括：获取人耳图像，构建人耳解剖学分割数据集；基于U‑Net网络进行改进，得到人耳分割模型；基于所述数据集对模型进行训练；利用训练好的分割模型对待检测的人耳图形进行解刨学分割。本发明能够对人耳图像进行分割，并提高分割精度。
-
Patent Agency Ranking
公开(公告)号：CN113889278A
公开(公告)日：2022-01-04
申请号：CN202110996718.0
申请日：2021-08-27
Applicant: 北京科技大学
Abstract: 本发明提供了一种养老数据分析系统及方法。养老数据分析系统，包括后台管理装置、与后台管理装置进行信号通讯的移动管理装置，还包括信息获取模块，所述信息获取模块与所述后台管理装置进行数据通讯，被配置为采集和接收老年用户的生理参数和生活习惯参数；所述后台管理装置包括信息发送模块和用于接收所述生理参数和所述生活习惯参数的信息处理模块，所述信息发送模块与所述移动管理装置信号连接，以通过所述移动管理装置显示目标信息，实现对老年用户的心理和健康情况的展示。本发明养老数据分析系统及方法，实现了老年人健康评估、多源数据融合的认知障碍识别与干预、老年人需求挖掘与智能推荐和生理健康数据分析及预警的一体化。
-
公开(公告)号：CN117292835B
公开(公告)日：2024-02-09
申请号：CN202311585543.X
申请日：2023-11-27
Applicant: 北京科技大学
Abstract: 本申请涉及一种预测ICU患者的不良预后风险的装置和系统。该装置包括处理器，配置为获取ICU患者在进入ICU的初始24小时内的各个特征变量的值，特征变量包括类别变量和连续变量；基于特征变量的值，利用训练好的深度学习网络，对ICU患者的不良预后风险进行预测，深度学习网络基于特征提取部、特征融合部、风险预测部依序串联而构成，并特征提取部对类别变量和连续变量分别进行特征提取以生成由第一类别特征编码和第一连续特征编码组成的第一特征编码二元组。本申请的装置能够更充分、更有效地利用特征变量中的有价值信息，充分关注不同类型特征变量间的关联，更准确地预测ICU患者的不良结局风险。
-
公开(公告)号：CN117292835A
公开(公告)日：2023-12-26
申请号：CN202311585543.X
申请日：2023-11-27
Applicant: 北京科技大学
Abstract: 本申请涉及一种预测ICU患者的不良预后风险的装置和系统。该装置包括处理器，配置为获取ICU患者在进入ICU的初始24小时内的各个特征变量的值，特征变量包括类别变量和连续变量；基于特征变量的值，利用训练好的深度学习网络，对ICU患者的不良预后风险进行预测，深度学习网络基于特征提取部、特征融合部、风险预测部依序串联而构成，并特征提取部对类别变量和连续变量分别进行特征提取以生成由第一类别特征编码和第一连续特征编码组成的第一特征编码二元组。本申请的装置能够更充分、更有效地利用特征变量中的有价值信息，充分关注不同类型特征变量间的关联，更准确地预测ICU患者的不良结局风险。
-
公开(公告)号：CN110353649B
公开(公告)日：2020-11-13
申请号：CN201910596367.7
申请日：2019-07-03
Applicant: 北京科技大学
IPC: A61B5/0245
Abstract: 本发明提供一种心率检测方法，能够准确检测出人体心率。所述方法包括：采集包含心率信号的WiFi CSI数据进行处理，选取用于心率检测的子载波，其中，WiFi CSI表示无线保真的信道状态信息；利用奇异谱分析对选取的用于心率检测的子载波对应的WiFi CSI数据进行分解，得到多组WiFi CSI分量；对分解得到的各组WiFi CSI分量分别进行一阶时间差操作，得到多组一阶时间差信号；利用引入零吸引子的最小均方自适应滤波器的奇异稀疏重构方法，对得到的各组一阶时间差信号分别进行稀疏表示；对稀疏表示后的信号进行频谱峰值查询，确定人体心率。本发明涉及生物识别技术领域。
-
公开(公告)号：CN110353649A
公开(公告)日：2019-10-22
申请号：CN201910596367.7
申请日：2019-07-03
Applicant: 北京科技大学
IPC: A61B5/0245
Abstract: 本发明提供一种心率检测方法，能够准确检测出人体心率。所述方法包括：采集包含心率信号的WiFi CSI数据进行处理，选取用于心率检测的子载波，其中，WiFi CSI表示无线保真的信道状态信息；利用奇异谱分析对选取的用于心率检测的子载波对应的WiFi CSI数据进行分解，得到多组WiFi CSI分量；对分解得到的各组WiFi CSI分量分别进行一阶时间差操作，得到多组一阶时间差信号；利用引入零吸引子的最小均方自适应滤波器的奇异稀疏重构方法，对得到的各组一阶时间差信号分别进行稀疏表示；对稀疏表示后的信号进行频谱峰值查询，确定人体心率。本发明涉及生物识别技术领域。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
