公开(公告)号：CN115221926A

公开(公告)日：2022-10-21

申请号：CN202210855584.5

申请日：2022-07-20

Applicant: 吉林大学

Inventor： 顾玲嘉 ,  李丽岚 ,  江明达 ,  任瑞治

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G16H50/20 ,  A61B5/346 ,  A61B5/00

Abstract: 本发明公开了一种基于CNN‑GRU网络模型的心拍信号分类方法，涉及计算机领域和医学信号处理领域，本发明的目的是解决心电信号干扰多、分类精度低等问题。本发明包括以下步骤：将心电数据通过小波变换除去噪声，再将其分割成心拍的形式，之后将预处理后的心拍随机划分成训练集、验证集和测试集；构建基于CNN网络模型和GRU网络模型的深度学习网络模型，之后挑选训练好的模型中精度最高的模型来预测数据，得到心电数据的预测分类结果。利用本发明提出的基于CNN‑GRU网络模型对心拍信号分类的方法可以实现对心电信号高效、准确的分类识别。

公开(公告)号：CN115393734A

公开(公告)日：2022-11-25

申请号：CN202211047548.2

申请日：2022-08-30

Applicant: 吉林大学

Inventor： 顾玲嘉 ,  江明达 ,  任瑞治

IPC: G06V20/13 ,  G06V10/30 ,  G06V10/36 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Faster R‑CNN与CV模型联合方法的SAR图像舰船轮廓提取方法，涉及卫星遥感图像处理与应用的技术领域，本发明的目的是解决现有SAR图像舰船轮廓方法适用场景少、提取精度差、细节损失严重等问题。本发明通过引入深度学习方法，能够对大场景SAR图像舰船轮廓进行提取。首先，使用Faster R‑CNN网络对SSDD数据集进行迁移学习和目标检测，获得获取舰船目标的定位坐标，并对小场景舰船区域切片；随后对舰船切片进行快速非局部均值FNLM滤波处理，最后使用改进CV模型迭代产生舰船最终轮廓，并将轮廓信息融合显示在原始图像中。利用本发明提出的基于Faster R‑CNN与CV模型联合方法的SAR图像舰船轮廓提取方法可以实现对不同场景SAR图像中舰船目标轮廓快速准确的提取。