-
公开(公告)号：CN117942056A
公开(公告)日：2024-04-30
申请号：CN202311733171.0
申请日：2023-12-18
Applicant: 复旦大学
IPC: A61B5/024 , G06F18/214 , G06F18/2411 , G06F18/15 , G06F18/213 , A61B5/00
Abstract: 本发明提供一种基于脉搏波的心律失常多分类检测方法及系统，涉及智能心率失常分类技术领域，利用心律失常类型预测模型对光电容积脉搏波信号作处理以得到心率失常的类型，该心率失常类型预测模型的波形空间特征提取层对脉搏波信号采集装置传送的信号通过多组顺序有效尺寸的卷积核，将多周期的一维脉搏波信号转化为多层二维空间特征矩阵，通过波形时间特征提取层接收二维空间特征矩阵，并结合学习时间依赖关系输出多维时间特征向量，事件发生预测层接收多维时间特征向量，并通过多层感知机，对心律失常发生类型预测，将光电容积脉搏波信号，输入到端到端的深度学习模型，在线数据处理分析预测心律失常发生类型，有效提升心率失常分类结果的精确性。
-
公开(公告)号：CN116383617B
公开(公告)日：2023-09-22
申请号：CN202310434424.8
申请日：2023-04-21
Applicant: 复旦大学
IPC: G06F18/15 , A61B5/021 , A61B5/00 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/25 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/44 , G06V10/766 , G06V10/80 , G06V10/82 , G06F123/02
Abstract: 本发明公开一种基于脉搏波波形特征的智能血压检测方法及系统，涉及智能血压检测领域。该方法包括：步骤S1—S4。该系统包括：脉搏波脉搏波信号采集装置和数据存储与计算装置。本发明提供的基于脉搏波波形特征的智能血压检测方法，数据预处理包含标签分布平滑算法，能提高训练过程中非正常血压值标签关注度；使用全尺寸并行计算卷积核能快速得到最佳感受野，捕捉脉搏波单个心动周期波形特征；通过视觉转换器提取类二维图像特征矩阵中脉搏波多个心动周期波形特征；融合个体信息进行血压检测。该方法通过经迭代训练的最佳血压预测网络模型智能地提取脉搏波信号中单/多个心动周期的波形特征，实现基于脉搏波波形特征的个性化精准血压检测。
-
公开(公告)号：CN117942056B
公开(公告)日：2025-01-28
申请号：CN202311733171.0
申请日：2023-12-18
Applicant: 复旦大学
IPC: A61B5/024 , G06F18/214 , G06F18/2411 , G06F18/15 , G06F18/213 , A61B5/00
Abstract: 本发明提供一种基于脉搏波的心律失常多分类检测方法及系统，涉及智能心律失常分类技术领域，利用心律失常类型预测模型对光电容积脉搏波信号作处理以得到心律失常的类型，该心律失常类型预测模型的波形空间特征提取层对脉搏波信号采集装置传送的信号通过多组顺序有效尺寸的卷积核，将多周期的一维脉搏波信号转化为多层二维空间特征矩阵，通过波形时间特征提取层接收二维空间特征矩阵，并结合学习时间依赖关系输出多维时间特征向量，事件发生预测层接收多维时间特征向量，并通过多层感知机，对心律失常发生类型预测，将光电容积脉搏波信号，输入到端到端的深度学习模型，在线数据处理分析预测心律失常发生类型，有效提升心律失常分类结果的精确性。
-
公开(公告)号：CN115778332B
公开(公告)日：2024-11-29
申请号：CN202211401236.7
申请日：2022-11-09
Applicant: 复旦大学
Abstract: 本发明属于医疗器械技术领域，具体涉及一种脉诊灵巧手、脉诊系统及其采集方法。本发明的脉诊灵巧手设置三组手指组件，分别对应的人体手腕的寸、关、尺位置，且每一组手指组件上均设置有至少一个静态压力传感模块和多个动态压力传感模块，使得脉诊灵巧手对人体手腕能够多点采集，保证采集数据的准确性。同时与人体手腕接触的面为弧形面，符合手腕的自然状态，进一步的保证采集数据的准确性。脉搏波的采集方法确定关部位置后对手腕进行预采集，可多次确定关部位置的准确性，同时设置有对灵巧手的位置进行微调的步骤保证关部位置与对应的动态压力传感装置能够精准定位，避免了现有技术中需要依靠单个医护人员确定关部位置的不准确、不可靠性。
-
Patent Agency Ranking
公开(公告)号：CN117831703A
公开(公告)日：2024-04-05
申请号：CN202410003596.4
申请日：2024-01-02
Applicant: 复旦大学
IPC: G16H20/00 , G16H50/70 , G16H10/20 , G16H10/60 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于图神经网络与深度学习的失能老人照护方案推荐方法，采用护理需求调查表采集多位失能老人特征信息，确定照护项目标签，作为深度学习模型的训练数据；以老人和特征作为本体构建二部图结构图数据集，构建神经网络模型并基于二部图结构图数据集对该模型进行训练，得到照护方案推荐模型；将已填好的护理需求调查表数据作为预先训练好的深度学习模型的输入信息，预测得到该失能老人的照护方案。该方法以二部图的方式建模失能老人照护数据，充分保留原始数据中的样本特征及关系信息，适用于复杂而个性化的照护推荐任务，提高照护推荐模型预测时对样本全局信息的提取能力。
-
公开(公告)号：CN117831703B
公开(公告)日：2024-08-09
申请号：CN202410003596.4
申请日：2024-01-02
Applicant: 复旦大学
IPC: G16H20/00 , G16H50/70 , G16H10/20 , G16H10/60 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于图神经网络与深度学习的失能老人照护方案推荐方法，采用护理需求调查表采集多位失能老人特征信息，确定照护项目标签，作为深度学习模型的训练数据；以老人和特征作为本体构建二部图结构图数据集，构建神经网络模型并基于二部图结构图数据集对该模型进行训练，得到照护方案推荐模型；将已填好的护理需求调查表数据作为预先训练好的深度学习模型的输入信息，预测得到该失能老人的照护方案。该方法以二部图的方式建模失能老人照护数据，充分保留原始数据中的样本特征及关系信息，适用于复杂而个性化的照护推荐任务，提高照护推荐模型预测时对样本全局信息的提取能力。
-
公开(公告)号：CN115778332A
公开(公告)日：2023-03-14
申请号：CN202211401236.7
申请日：2022-11-09
Applicant: 复旦大学
Abstract: 本发明属于医疗器械技术领域，具体涉及一种脉诊灵巧手、脉诊系统及其采集方法。本发明的脉诊灵巧手设置三组手指组件，分别对应的人体手腕的寸、关、尺位置，且每一组手指组件上均设置有至少一个静态压力传感模块和多个动态压力传感模块，使得脉诊灵巧手对人体手腕能够多点采集，保证采集数据的准确性。同时与人体手腕接触的面为弧形面，符合手腕的自然状态，进一步的保证采集数据的准确性。脉搏波的采集方法确定关部位置后对手腕进行预采集，可多次确定关部位置的准确性，同时设置有对灵巧手的位置进行微调的步骤保证关部位置与对应的动态压力传感装置能够精准定位，避免了现有技术中需要依靠单个医护人员确定关部位置的不准确、不可靠性。
-
公开(公告)号：CN118873114A
公开(公告)日：2024-11-01
申请号：CN202311465423.6
申请日：2023-11-06
Applicant: 复旦大学
IPC: A61B5/024 , A61B5/0245 , A61B5/11 , A61B5/113 , A61B5/318 , A61B5/346 , A61B5/00 , G06F18/24 , G06N3/0464 , G06N3/09
Abstract: 本发明属于生物信息处理技术领域，具体涉及一种非接触式BCG信号的心率变异性计算方法及系统。本发明的计算方法包括以下步骤：S1、BCG信号和ECG信号的同步采集、传输和储存；S2、BCG信号和ECG信号的预处理；S3、数据集样本的构建和划分；S4、构建“注意力‑相位平移‑编解码”的深度网络模型；S5、获取最佳模型；S6、获取估计的R峰位置；S7、根据步骤S6获取的R峰位置，计算心率变异性。本发明通过预处理算法精准地去除了人体微振动信号中的呼吸信号，并将硬件电路所固有的高频噪声去除，得到纯净的BCG信号，构建“注意力‑相位平移‑编解码”的深度网络模型通过提取BCG信号的内在特征，还原出真实心跳位置，以计算准确的心率变异性指标。
-
公开(公告)号：CN116383617A
公开(公告)日：2023-07-04
申请号：CN202310434424.8
申请日：2023-04-21
Applicant: 复旦大学
IPC: G06F18/15 , A61B5/021 , A61B5/00 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/25 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/44 , G06V10/766 , G06V10/80 , G06V10/82 , G06F123/02
Abstract: 本发明公开一种基于脉搏波波形特征的智能血压检测方法及系统，涉及智能血压检测领域。该方法包括：步骤S1—S4。该系统包括：脉搏波脉搏波信号采集装置和数据存储与计算装置。本发明提供的基于脉搏波波形特征的智能血压检测方法，数据预处理包含标签分布平滑算法，能提高训练过程中非正常血压值标签关注度；使用全尺寸并行计算卷积核能快速得到最佳感受野，捕捉脉搏波单个心动周期波形特征；通过视觉转换器提取类二维图像特征矩阵中脉搏波多个心动周期波形特征；融合个体信息进行血压检测。该方法通过经迭代训练的最佳血压预测网络模型智能地提取脉搏波信号中单/多个心动周期的波形特征，实现基于脉搏波波形特征的个性化精准血压检测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
