-
公开(公告)号：CN119993481A
公开(公告)日：2025-05-13
申请号：CN202510058971.X
申请日：2025-01-15
Applicant: 复旦大学
Abstract: 本发明涉及一种基于数字孪生的人体健康监测、预测及调控方法，获取人体的体表信息，并构建人体数字孪生三维模型，体表信息可以通过3D扫描仪进行采集或基于2D图像/视频的三维重建方法获取。构建人体数字孪生的健康监测模型，利用机器学习方法以人体的体表信息为输入，内在功能表型为输出，构建基于人体的体表信息的数字孪生健康监测模型并进行可视化展示。构建人体数字孪生的健康预测及调控模型，通过探索不同的调控方式的影响，并构建基于内表型的外表型表征模型和健康预测模型；本发明提供更为精准的多维度健康信息，并将外在表型与内在功能表型相结合，实现基于外表型的内在功能评估，最终实现集人体健康监测、预测及调控为一体的系统。
-
公开(公告)号：CN116110429A
公开(公告)日：2023-05-12
申请号：CN202310031801.3
申请日：2023-01-10
Applicant: 复旦大学
Abstract: 本发明公开了一种基于日间语音OSA严重程度判别识别模型的构建方法。该方法包括以下步骤：采集受试者的语音信号；对语音信号依次进行预处理、特征提取、特征选择和特征拼接；构建均衡数据集；构建机器学习模型作为基分类器，对模型进行评价，从其中选择若干准确率较高的模型；采用Voting融合算法集成模型，取多个基分类器预测样本为某一类别的概率的均值，最高概率所对应的类别即为预测结果，强化模型的分类能力与泛化能力。本发明的模型用于识别判别阻塞性睡眠呼吸暂停综合征，无创、更快、成本更低、准确度高。
-
公开(公告)号：CN118072767A
公开(公告)日：2024-05-24
申请号：CN202410167660.2
申请日：2024-02-06
Applicant: 复旦大学
Abstract: 本发明属于腺样体和扁桃体肥大筛查技术领域，具体为一种基于语音信号的全自动腺样体和扁桃体肥大识别系统。本发明系统包括：语音信号采集模块、信号预处理模块、特征提取、特征拼接和特征选择模块、数据均衡模块、深度学习网络模块、二分类模块和四分类模块。系统对通过计算机辅助语言调查分析软件采集到的语音信号进行预处理和特征提取，并将不同元音和鼻音信号的特征进行拼接送至深度学习网络进行高精度特征提取，最终进行腺样体和扁桃体肥大识别及其严重程度判别。本发明采用特征选择算法对所提特征进行最优特征筛选，采用数据均衡算法使得样本种类达到均衡，采用深度学习网络挖掘更深层次的特征，得到更精准的结果。
-
公开(公告)号：CN116108398A
公开(公告)日：2023-05-12
申请号：CN202310030005.8
申请日：2023-01-10
Applicant: 复旦大学
IPC: G06F18/25 , G06F18/2113 , G06F18/2431 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08 , A61B5/00
Abstract: 本发明公开了一种全自动阻塞性睡眠呼吸暂停征识别模型的构建方法；本发明对人体形态特征（含基本信息，如年龄、性别等）、语音、三维面部三种不同信号进行特征提取，并将三类特征融合至深度学习网络进行OSA患者识别及OSA严重程度判别。本发明采用特征选择算法对所提特征进行最优特征筛选，并将筛选后的特征进行特征融合，采用数据均衡算法使得样本种类达到均衡，采用深度学习网络挖掘更深层次的特征得到更加精确的结果。
-
-
-
Search Results
4
records
(took 0.015 seconds)
