-
公开(公告)号：CN113569725A
公开(公告)日：2021-10-29
申请号：CN202110850991.2
申请日：2021-07-27
Applicant: 复旦大学
Abstract: 本发明提供一种基于迁移Softmax回归的癫痫状态识别方法，通过源域和目标域之间的知识迁移，使得目标域脑电信号分布向源域靠近，以此提升模型在目标域数据上的识别效果，有效提升了癫痫发作检测的可靠性，具体包括以下步骤：步骤S1，利用滑动窗口对源域原始脑电信号和目标域原始脑电信号进行分段；步骤S2，利用四层小波包分解提取滑动窗口内的小波包分解系数，并构建特征向量；步骤S3，对特征向量进行联合概率分布调整从而进行源域和目标域之间的知识迁移，同时在该知识迁移过程中完成分类器的训练；步骤S4，由分类器输出目标域原始脑电信号的癫痫状态识别结果；其中，分类器为Softmax回归。
-
公开(公告)号：CN111436929A
公开(公告)日：2020-07-24
申请号：CN201910044069.7
申请日：2019-01-17
Applicant: 复旦大学
IPC: A61B5/0476 , A61B5/00
Abstract: 一种神经生理信号的生成和识别方法，对原始神经生理信号按照低分辨率到高频率的顺序进行重采样，将不同分辨率的信号按照从低分辨率到高分辨率的顺序依次向生成器和判别器中添加训练层，将生成器生成的特征图的每个空间位置的标准差作为衡量多样性的指标，将判别器生成的特征图的每个空间位置沿该位置通道方向做标准化，将生成器的输出作为判别器的输入进行联合训练，形成完整的生成对抗网络，将生成对抗网络生成的模拟神经生理信号和原始神经生理信号输入长短期记忆网络分类器中进行分类。本发明提高了模型训练的稳定性，增加了模型生成数据的多样性，生成的信号具有较高的IS和FID指标，提高了小数据量下神经生理信号的识别准确度。
-
公开(公告)号：CN111444747B
公开(公告)日：2023-09-29
申请号：CN201910043745.9
申请日：2019-01-17
Applicant: 复旦大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/096
Abstract: 本发明提供一种基于迁移学习和空洞卷积的癫痫状态识别方法，包含步骤：S1、提取每组原始癫痫脑电图信号特定频率下的若干个小波包系数组作为一个特征组；S2、去除特征组中显著相关的小波包系数组，实现对特征组降维；降维后特征组的每个小波包系数均为一个特征值；S3、标准化处理从若干组原始癫痫脑电图信号提取的所有特征值；S4、将经标准化处理的的所有特征值作为测试数据集，将现有癫痫脑电图信号特征数据库中的特征作为训练数据集；通过改进的CMJAE迁移学习方法实现跨领域知识迁移，并通过二维空洞卷积神经网络作为分类器，迭代获取测试数据集的分类结果；S5、采用十折交叉验证法，验证分类准确性。
-
公开(公告)号：CN111444747A
公开(公告)日：2020-07-24
申请号：CN201910043745.9
申请日：2019-01-17
Applicant: 复旦大学
Abstract: 本发明提供一种基于迁移学习和空洞卷积的癫痫状态识别方法，包含步骤：S1、提取每组原始癫痫脑电图信号特定频率下的若干个小波包系数组作为一个特征组；S2、去除特征组中显著相关的小波包系数组，实现对特征组降维；降维后特征组的每个小波包系数均为一个特征值；S3、标准化处理从若干组原始癫痫脑电图信号提取的所有特征值；S4、将经标准化处理的的所有特征值作为测试数据集，将现有癫痫脑电图信号特征数据库中的特征作为训练数据集；通过改进的CMJAE迁移学习方法实现跨领域知识迁移，并通过二维空洞卷积神经网络作为分类器，迭代获取测试数据集的分类结果；S5、采用十折交叉验证法，验证分类准确性。
-
公开(公告)号：CN117297682A
公开(公告)日：2023-12-29
申请号：CN202311379549.1
申请日：2023-10-23
Applicant: 复旦大学附属中山医院
IPC: A61B17/02
Abstract: 本发明提供了一种可自由组合的皮瓣拉钩，包括底座，底座上设有第一手柄及第二手柄，所述的两手柄上分别可拆卸地设有皮瓣拉钩。属于医疗器械技术领域。与现有技术相比，本发明中的皮瓣拉钩能够根据术者需要自由组合，使用方式灵活，拉钩能够充分暴露术野，提高术野清晰度，利于更好的分离皮瓣，使用本拉钩，每台可以减少1‑2名助手，避免人力资源浪费。
-
Patent Agency Ranking
公开(公告)号：CN114141356A
公开(公告)日：2022-03-04
申请号：CN202111104344.3
申请日：2021-09-18
Applicant: 复旦大学
Abstract: 本发明提供一种基于目标相似度分布调整的癫痫状态识别方法，其特征在于，包括以下步骤：步骤S1，通过神经网络根据脑电信号提取相应的512维的特征向量；步骤S2，根据提取的特征向量，通过相似度计算，构建正样本对和负样本对的相似度分布；步骤S3，步进设置目标相似度分布，通过KL散度约束正样本对分布和负样本对分布；步骤S4，当正样本对分布和负样本对分布均值达到对应的目标分布时，将正样本对和负样本对的相似度分布向相反方向拉开；步骤S5，重复步骤S4，直到目标分布不再更新，得到训练完成的神经网络；步骤S6，通过训练完成的神经网络进行癫痫状态识别，并将癫痫状态识别状态的512维的特征向量进行输出。
-
公开(公告)号：CN111436929B
公开(公告)日：2021-06-01
申请号：CN201910044069.7
申请日：2019-01-17
Applicant: 复旦大学
Abstract: 一种神经生理信号的生成和识别方法，对原始神经生理信号按照低分辨率到高频率的顺序进行重采样，将不同分辨率的信号按照从低分辨率到高分辨率的顺序依次向生成器和判别器中添加训练层，将生成器生成的特征图的每个空间位置的标准差作为衡量多样性的指标，将判别器生成的特征图的每个空间位置沿该位置通道方向做标准化，将生成器的输出作为判别器的输入进行联合训练，形成完整的生成对抗网络，将生成对抗网络生成的模拟神经生理信号和原始神经生理信号输入长短期记忆网络分类器中进行分类。本发明提高了模型训练的稳定性，增加了模型生成数据的多样性，生成的信号具有较高的IS和FID指标，提高了小数据量下神经生理信号的识别准确度。
-
公开(公告)号：CN113569725B
公开(公告)日：2024-05-17
申请号：CN202110850991.2
申请日：2021-07-27
Applicant: 复旦大学
IPC: G06F18/2415 , G06F18/2431 , G06F18/27 , G06F18/2131 , G16H50/20
Abstract: 本发明提供一种基于迁移Softmax回归的癫痫状态识别方法，通过源域和目标域之间的知识迁移，使得目标域脑电信号分布向源域靠近，以此提升模型在目标域数据上的识别效果，有效提升了癫痫发作检测的可靠性，具体包括以下步骤：步骤S1，利用滑动窗口对源域原始脑电信号和目标域原始脑电信号进行分段；步骤S2，利用四层小波包分解提取滑动窗口内的小波包分解系数，并构建特征向量；步骤S3，对特征向量进行联合概率分布调整从而进行源域和目标域之间的知识迁移，同时在该知识迁移过程中完成分类器的训练；步骤S4，由分类器输出目标域原始脑电信号的癫痫状态识别结果；其中，分类器为Softmax回归。
-
公开(公告)号：CN221770436U
公开(公告)日：2024-09-27
申请号：CN202323563197.3
申请日：2023-12-26
Applicant: 复旦大学附属中山医院
Abstract: 本实用新型公开了一种乳腺假体置入术后胸部固定带，包括本体、第一绑带、第二绑带；本体在罩杯侧部和下部设有引流管开口，对应腋下和胸骨处；本体中部设有2条固定带，固定带横向对称设置于本体中部两侧，固定带可扣紧以固定假体；在罩杯外侧和罩杯底缘设置有支撑部；本装置额外设有固定带和支撑部，两固定带一起前扣可对假体有固定作用，背部可通过绑带调节松紧，同时设置有引流管开口，引流管可方便穿出并固定。
-
公开(公告)号：CN221618069U
公开(公告)日：2024-08-30
申请号：CN202323075817.9
申请日：2023-11-14
Applicant: 复旦大学附属中山医院
Abstract: 本实用新型提供了一种带可拆卸电刀刀头的吸引器，吸引器包含有负压吸引器主体和吸引器皮条，在吸引器皮条靠近头端的外径处设有轴向方向上用于容纳电刀刀头的滑槽，在滑槽位置处设有卡环，电刀刀头在滑槽轴向滑动并由卡环保持与吸引器皮条之间的相对固定；电刀刀头的尾端设有柔性电刀供电线，柔性电刀供电线由可粘式系带固定，可粘式系带可撕离粘贴在滑槽后侧的吸引器皮条上。本实用新型电刀和吸引器可以拆卸连接，实现单人单手同时操作电刀和吸引器，在切割的同时吸引器皮条头端形成负压将切割下来的软组织或者血液吸走，保持手术部位的整洁。若需要单独使用时，解开卡环并撕开可粘式系带，将电刀从凹槽中退出，电刀和吸引器可以单独使用。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
