一种基于活动度特征的踝关节韧带损伤智能决策系统

    公开(公告)号:CN111820902A

    公开(公告)日:2020-10-27

    申请号:CN202010606588.0

    申请日:2020-06-29

    IPC分类号: A61B5/11 A61B5/00

    摘要: 本发明提供一种基于活动度特征的踝关节韧带损伤智能决策系统,属于智能辅助决策技术领域。所述系统包括:采集模块,用于采集损伤组与对照组中受试者的足踝部运动信息;构建模块,用于分别构建损伤组与对照组的距下关节活动度特征空间;生成模块,用于构建深度卷积生成式对抗网络,利用所述距下关节活动度特征空间中真实的距下关节活动度特征,扩展生成损伤组与对照组的距下关节活动度特征;决策模块,用于构建长短时记忆网络,利用损伤组与对照组真实的活动度特征与扩展生成的活动度特征组成训练集对长短时记忆网络进行训练,得到踝关节韧带损伤智能决策模型。采用本发明,能够实现小样本采集条件下的踝关节韧带损伤智能、精准的决策。

    一种基于活动度特征的踝关节韧带损伤智能决策系统

    公开(公告)号:CN111820902B

    公开(公告)日:2021-07-09

    申请号:CN202010606588.0

    申请日:2020-06-29

    IPC分类号: A61B5/11 A61B5/00

    摘要: 本发明提供一种基于活动度特征的踝关节韧带损伤智能决策系统,属于智能辅助决策技术领域。所述系统包括:采集模块,用于采集损伤组与对照组中受试者的足踝部运动信息;构建模块,用于分别构建损伤组与对照组的距下关节活动度特征空间;生成模块,用于构建深度卷积生成式对抗网络,利用所述距下关节活动度特征空间中真实的距下关节活动度特征,扩展生成损伤组与对照组的距下关节活动度特征;决策模块,用于构建长短时记忆网络,利用损伤组与对照组真实的活动度特征与扩展生成的活动度特征组成训练集对长短时记忆网络进行训练,得到踝关节韧带损伤智能决策模型。采用本发明,能够实现小样本采集条件下的踝关节韧带损伤智能、精准的决策。

    一种慢性踝关节不稳智能辅助诊断系统

    公开(公告)号:CN115281662A

    公开(公告)日:2022-11-04

    申请号:CN202211169507.0

    申请日:2022-09-26

    IPC分类号: A61B5/11 A61B5/00

    摘要: 本发明提供一种慢性踝关节不稳智能辅助诊断系统,属于医工结合与计算机辅助诊断技术领域。所述系统包括:运动特征提取模块,构建时空运动特征小样本;运动特征增强模块,构建对偶式生成对抗网络模型,利用时空运动特征小样本对其进行训练,使其能够生成增强特征样本;基分类器构建模块,用于构建用于识别慢性踝关节不稳的三种基分类器;多分类器融合模块,构建模型无关的元学习算法,将三种基分类器运用堆叠法进行集成学习,以时空运动特征小样本与增强特征样本组成训练集,利用K折交叉训练的方法对元学习模型进行训练,得到能够有效识别慢性踝关节不稳的多分类器融合模型。采用本发明,能够实现慢性踝关节不稳的有效辅助诊断。

    一种肠镜操作技能智能辅助评估系统

    公开(公告)号:CN113946217B

    公开(公告)日:2022-04-22

    申请号:CN202111221446.3

    申请日:2021-10-20

    摘要: 本发明提供一种肠镜操作技能智能辅助评估系统,属于医工结合领域。所述系统包括:获取模块,用于获取操作者在内镜仿真模拟训练系统上进行肠镜操作的小样本眼动数据;构建模块,用于根据获取到的眼动数据,提取肠镜操作过程中学习者和临床医师两类群体的时空眼动特征;鉴别模块,用于建立基于元学习、长短期记忆神经网络和全卷积神经网络的三种眼动特征学习模型,利用构建的时空眼动特征对构建的三种眼动特征学习模型进行训练,实现操作者肠镜操作技能的分类鉴别;评估模块,用于将三种眼动特征学习模型所得到的技能鉴别结果进行集成评价得到最终的肠镜操作技能评估结果。采用本发明,能够实现操作者肠镜操作技能的智能、精准评估。

    一种基于眼动特征的结肠镜操作困境智能鉴别系统

    公开(公告)号:CN113269160B

    公开(公告)日:2021-10-12

    申请号:CN202110798775.8

    申请日:2021-07-15

    摘要: 本发明公开了一种基于眼动特征的结肠镜操作困境智能鉴别系统,包括:信息采集模块:用于采集受试者在结肠镜仿真操作过程中观察显示屏幕有效区域的眼动信息;特征构建模块:用于根据采集的眼动信息,针对结肠镜视野正常与视野丢失两种情况,构建具有显著特异性的眼动特征空间;特征增强模块:用于构建深度卷积生成式对抗网络,分别根据视野正常与视野丢失两种情况下的真实眼动特征进行生成扩展,得到增强眼动特征;困境鉴别模块:用于构建长短时记忆神经网络,利用视野正常与视野丢失两种情况下的真实眼动特征与增强眼动特征组成训练集,对长短时记忆神经网络进行训练,得到结肠镜操作困境智能鉴别模型。

    一种基于眼动特征的结肠镜操作困境智能鉴别系统

    公开(公告)号:CN113269160A

    公开(公告)日:2021-08-17

    申请号:CN202110798775.8

    申请日:2021-07-15

    摘要: 本发明公开了一种基于眼动特征的结肠镜操作困境智能鉴别系统,包括:信息采集模块:用于采集受试者在结肠镜仿真操作过程中观察显示屏幕有效区域的眼动信息;特征构建模块:用于根据采集的眼动信息,针对结肠镜视野正常与视野丢失两种情况,构建具有显著特异性的眼动特征空间;特征增强模块:用于构建深度卷积生成式对抗网络,分别根据视野正常与视野丢失两种情况下的真实眼动特征进行生成扩展,得到增强眼动特征;困境鉴别模块:用于构建长短时记忆神经网络,利用视野正常与视野丢失两种情况下的真实眼动特征与增强眼动特征组成训练集,对长短时记忆神经网络进行训练,得到结肠镜操作困境智能鉴别模型。

    一种慢性踝关节不稳智能辅助诊断系统

    公开(公告)号:CN115281662B

    公开(公告)日:2023-01-17

    申请号:CN202211169507.0

    申请日:2022-09-26

    IPC分类号: A61B5/11 A61B5/00

    摘要: 本发明提供一种慢性踝关节不稳智能辅助诊断系统,属于医工结合与计算机辅助诊断技术领域。所述系统包括:运动特征提取模块,构建时空运动特征小样本;运动特征增强模块,构建对偶式生成对抗网络模型,利用时空运动特征小样本对其进行训练,使其能够生成增强特征样本;基分类器构建模块,用于构建用于识别慢性踝关节不稳的三种基分类器;多分类器融合模块,构建模型无关的元学习算法,将三种基分类器运用堆叠法进行集成学习,以时空运动特征小样本与增强特征样本组成训练集,利用K折交叉训练的方法对元学习模型进行训练,得到能够有效识别慢性踝关节不稳的多分类器融合模型。采用本发明,能够实现慢性踝关节不稳的有效辅助诊断。

    一种肠镜操作技能智能辅助评估系统

    公开(公告)号:CN113946217A

    公开(公告)日:2022-01-18

    申请号:CN202111221446.3

    申请日:2021-10-20

    摘要: 本发明提供一种肠镜操作技能智能辅助评估系统,属于医工结合领域。所述系统包括:获取模块,用于获取操作者在内镜仿真模拟训练系统上进行肠镜操作的小样本眼动数据;构建模块,用于根据获取到的眼动数据,提取肠镜操作过程中学习者和临床医师两类群体的时空眼动特征;鉴别模块,用于建立基于元学习、长短期记忆神经网络和全卷积神经网络的三种眼动特征学习模型,利用构建的时空眼动特征对构建的三种眼动特征学习模型进行训练,实现操作者肠镜操作技能的分类鉴别;评估模块,用于将三种眼动特征学习模型所得到的技能鉴别结果进行集成评价得到最终的肠镜操作技能评估结果。采用本发明,能够实现操作者肠镜操作技能的智能、精准评估。

    针对踝关节韧带损伤的步态特征提取与生成方法及系统

    公开(公告)号:CN111329488B

    公开(公告)日:2021-02-02

    申请号:CN202010148549.0

    申请日:2020-03-05

    摘要: 本发明提供一种针对踝关节韧带损伤的步态特征提取与生成方法及系统,该方法包括:足踝部运动测量、数据预处理、步态相期分割、步态特征空间构建、步态特征生成、真实与生成特征相关度评估和生成特征有效性可视化验证;本发明解决了现有医疗系统中存在的特征质量低和样本量不足的问题;通过采集受试者的步态数据,针对踝关节韧带损伤,建立损伤组与对照组的小样本数据集,基于人体测量学方法进行特征精细化对比与分析,建立踝关节损伤的步态特征空间、步态特征生成与有效性验证,为基于大数据的智能踝关节损伤诊断与决策、康复方案精准化构建和辅助外骨骼机器人研制等相关领域的研究与应用提供了大量有人体测量学依据的优质、高效的特征数据支撑。

    针对踝关节韧带损伤的步态特征提取与生成方法及系统

    公开(公告)号:CN111329488A

    公开(公告)日:2020-06-26

    申请号:CN202010148549.0

    申请日:2020-03-05

    摘要: 本发明提供一种针对踝关节韧带损伤的步态特征提取与生成方法及系统,该方法包括:足踝部运动测量、数据预处理、步态相期分割、步态特征空间构建、步态特征生成、真实与生成特征相关度评估和生成特征有效性可视化验证;本发明解决了现有医疗系统中存在的特征质量低和样本量不足的问题;通过采集受试者的步态数据,针对踝关节韧带损伤,建立损伤组与对照组的小样本数据集,基于人体测量学方法进行特征精细化对比与分析,建立踝关节损伤的步态特征空间、步态特征生成与有效性验证,为基于大数据的智能踝关节损伤诊断与决策、康复方案精准化构建和辅助外骨骼机器人研制等相关领域的研究与应用提供了大量有人体测量学依据的优质、高效的特征数据支撑。