公开(公告)号：CN119625596A

公开(公告)日：2025-03-14

申请号：CN202411609218.7

申请日：2024-11-12

Applicant: 复旦大学

Inventor： 于泽宽 ,  郭诗尧

IPC: G06V20/40 ,  G06V10/82 ,  G06V40/20 ,  G06V10/774

Abstract: 本发明提供了一种基于视频数据的精准分级方法及系统，包括：步骤S1：获取正常姿态和不同神经系统严重等级的异常姿态视频数据；步骤S2：将获取的视频数据分解成帧，对每帧图像进行增强；步骤S3：对预处理后的每帧图像进行步态关键点检测，提取关键点位置；步骤S4：对步态关键点提取主要特征；步骤S5：提取手势特征；步骤S6：根据手势特征向量和步态特征向量，训练用于神经系统分级的深度神经网络模型。本发明显著提高了疾病检测的准确性和可靠性。

公开(公告)号：CN119405277A

公开(公告)日：2025-02-11

申请号：CN202411609221.9

申请日：2024-11-12

Applicant: 复旦大学

Inventor： 于泽宽 ,  郭诗尧

IPC: A61B5/00 ,  A61B5/11 ,  A61B5/388 ,  A61B5/145 ,  A61B5/055 ,  G16H10/20 ,  G16H50/30 ,  G06V20/40 ,  G06V40/20

Abstract: 本发明提供了一种基于多模态信息的CIPN信息融合方法及系统，包括：评估待测人员的主观问卷；根据待测人员的行走视频评估行走速度和步态；评估待测人员的手指精细运动技能；评估待测人员的神经传导速度；评估待测人员的大脑功能；评估待测人员的大脑结构；根据主观问卷、行走速度和步态、手指精细运动技能、神经传导速度、大脑功能和大脑结构，构建信息融合。相较于传统的NCI‑CTCAE分级系统和EORTC QLQ‑CIPN20问卷，本发明克服了主观性和重复性问题，提高了诊断准确性和治疗效果。