-
公开(公告)号：CN117116483A
公开(公告)日：2023-11-24
申请号：CN202311077848.X
申请日：2023-08-24
Applicant: 天津大学
IPC: G16H50/30 , G06F18/213 , G06F18/214
Abstract: 本发明涉及人工智能和数据处理技术领域，公开一种构建脓毒症呼吸衰竭概率预测模型的方法，包括：根据目标人群的临床特征数据，构建脓毒症呼吸衰竭概率预测模型，以预测测试者发生脓毒症呼吸衰竭的概率；脓毒症呼吸衰竭概率预测模型基于改进型XGBoost算法训练得到。本发明通过基于改进型XGBoost算法训练得到的脓毒症呼吸衰竭概率预测模型，高效、准确、灵活地预测测试者发生脓毒症呼吸衰竭的概率，既能避免医生因诊断脓毒症呼吸衰竭经验不足而耽误治疗的情况，有效辅助医生对脓毒症患者发生呼吸衰竭的早期识别及干预，降低脓毒症患者的多器官衰竭率和死亡率，还能减轻医生需要频繁地人工评估患者呼吸衰竭的负担，带来可观效益。
-
公开(公告)号：CN118380139B
公开(公告)日：2025-03-18
申请号：CN202410512749.8
申请日：2024-04-26
Applicant: 天津大学
IPC: G16H50/20 , A61B5/372 , A61B5/00 , G16H50/30 , G06F18/2415 , G06F18/214 , G06F18/10 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于U‑Net网络的单通道脑电癫痫棘波检测方法及装置，属于智能医学技术领域，在训练阶段，获取已经标注好棘波出现位置的脑电信号作为输入样本，进行预处理得到预处理后的脑电样本，预处理后的脑电样本和棘波标签信息打包输入到模型训练模块，构建基于U‑Net的多任务深度学习模型进行优化训练并保存最佳参数；在验证阶段，将未标注好棘波出现位置的脑电信号作为输入样本，进行预处理，预处理后的脑电样本输入到训练好的模型进行检测，将检测结果输入到后处理模块进行进一步处理得到修正后的棘波出现位置。本发明既能够提高脑电棘波检测算法的准确率，也能为棘波位置的可视化提供有益帮助。
-
公开(公告)号：CN117918856B
公开(公告)日：2024-10-01
申请号：CN202311155590.0
申请日：2023-09-07
Applicant: 天津大学
Abstract: 本发明涉及医学数据处理技术领域，公开一种基于新旧刺激BCI范式的iNPH预测模型的构建方法，包括：在目标人群进行腰穿放液前、后，分别对目标人群进行相同的新旧刺激BCI范式实验，得到目标人群的脑电信号数据；对脑电信号数据进行预处理，得到放液前新刺激事件相关电位特征、放液前旧刺激事件相关电位特征、放液后新刺激事件相关电位特征和放液后旧刺激事件相关电位特征，其中，事件相关电位特征为P600幅值特征；根据事件相关电位特征，训练得到iNPH预测模型。本发明根据事件相关电位特征训练iNPH预测模型，量化目标人群的认知功能改善程度，通过iNPH预测模型能够辅助医生快速诊断iNPH，使患者及时得到有效治疗。
-
公开(公告)号：CN117918856A
公开(公告)日：2024-04-26
申请号：CN202311155590.0
申请日：2023-09-07
Applicant: 天津大学
Abstract: 本发明涉及医学数据处理技术领域，公开一种基于新旧刺激BCI范式的iNPH预测模型的构建方法，包括：在目标人群进行腰穿放液前、后，分别对目标人群进行相同的新旧刺激BCI范式实验，得到目标人群的脑电信号数据；对脑电信号数据进行预处理，得到放液前新刺激事件相关电位特征、放液前旧刺激事件相关电位特征、放液后新刺激事件相关电位特征和放液后旧刺激事件相关电位特征，其中，事件相关电位特征为P600幅值特征；根据事件相关电位特征，训练得到iNPH预测模型。本发明根据事件相关电位特征训练iNPH预测模型，量化目标人群的认知功能改善程度，通过iNPH预测模型能够辅助医生快速诊断iNPH，使患者及时得到有效治疗。
-
公开(公告)号：CN111310783B
公开(公告)日：2022-08-30
申请号：CN202010007821.3
申请日：2020-01-05
Applicant: 天津大学
Abstract: 一种基于脑电微状态特征与神经网络模型的言语状态检测方法，包括：分别进行构建改进的GoogLeNet神经网络模型，以及获取正常被试者在听、说和想象说言语状态时的多通道脑电信号，并分别提取设定时间窗内的微状态时间序列特征，将所述的微状态时间序列特征加上相应的标签；用带有标签的微状态时间序列特征训练改进的GoogLeNet神经网络模型；再实时获取正常被试者在进行言语状态时的多通道脑电信号，提取设定时间窗内的微状态时间序列特征，并送入训练好的改进的GoogLeNet神经网络模型，从而实现言语状态检测。本发明创新性地将脑电微状态时间序列特征应用在神经网络模型上以达到言语检测的目的，并且能够有效地提高言语状态分类的准确率。
-
Patent Agency Ranking
公开(公告)号：CN116646075A
公开(公告)日：2023-08-25
申请号：CN202310586928.1
申请日：2023-05-23
Applicant: 天津大学
IPC: G16H50/20 , G16H50/30 , G16H10/60 , G06F18/243
Abstract: 本发明公开了一种基于随机森林的脓毒症肾衰竭早期预测系统，涉及人工智能领域与医学诊断技术领域：主要组成部分包括数据存储及采集部分、数据处理部分、机器学习模型预测以及脓毒症肾衰竭预测结果显示四个部分。本发明具有的优点包括：能实现高效、快速、精准、早期预测脓毒症肾衰竭发生的概率；弥补了当前国内早期预测脓毒症肾衰竭的技术空缺。本发明能通过输入脓毒症患者的临床生理监测指标数据，预测该患者发生肾衰竭的概率，从而及时提醒医生进行早期介入，改善患者预后。本发明适用于医院重症监护室的床旁监护及远程医疗预警。
-
公开(公告)号：CN111310783A
公开(公告)日：2020-06-19
申请号：CN202010007821.3
申请日：2020-01-05
Applicant: 天津大学
IPC: G06K9/62
Abstract: 一种基于脑电微状态特征与神经网络模型的言语状态检测方法，包括：分别进行构建改进的GoogLeNet神经网络模型，以及获取正常被试者在听、说和想象说言语状态时的多通道脑电信号，并分别提取设定时间窗内的微状态时间序列特征，将所述的微状态时间序列特征加上相应的标签；用带有标签的微状态时间序列特征训练改进的GoogLeNet神经网络模型；再实时获取正常被试者在进行言语状态时的多通道脑电信号，提取设定时间窗内的微状态时间序列特征，并送入训练好的改进的GoogLeNet神经网络模型，从而实现言语状态检测。本发明创新性地将脑电微状态时间序列特征应用在神经网络模型上以达到言语检测的目的，并且能够有效地提高言语状态分类的准确率。
-
公开(公告)号：CN119279623A
公开(公告)日：2025-01-10
申请号：CN202411484864.5
申请日：2024-10-23
Applicant: 天津大学 , 中国医学科学院放射医学研究所
Abstract: 本发明公开一种用于移动式头部锥形束CT性能检测模体，包括可拆卸连接的成像均匀性模块、成像畸变模块、图像动态范围模块、成像一致性模块、伪影和扩展函数成像模块、成像线性模块、成像能力模块、成像距离模块、低对比测试模块、高对比测试模块和成像密着测试模块。本发明满足传统的检测模体或工具难以达到头部软组织成像复杂性的测试需求，能够对移动式头部锥形束CT头部软组织成像进行性能测试，弥补了国内外检测依据或标准的缺失。
-
公开(公告)号：CN117936066B
公开(公告)日：2024-12-17
申请号：CN202311167914.2
申请日：2023-09-11
Applicant: 天津大学
Abstract: 本发明涉及医学数据处理技术领域，公开一种基于视觉Oddball范式的iNPH预测方法，包括：在目标人群进行腰穿放液前、后，分别对目标人群进行相同的视觉Oddball范式实验，得到脑电信号数据；对脑电信号数据进行预处理，得到事件相关电位特征，事件相关电位特征为P300幅值特征；根据事件相关电位特征，训练得到iNPH预测模型。本发明通过视觉Oddball范式实验能够得到更加客观的脑电信号数据，分析脑电信号数据的P300幅值特征的特征变化，可以量化认知功能的改善程度，训练得到iNPH预测模型可用于辅助医生快速、准确地进行iNPH诊断,使患者及时得到有效治疗，能够减轻医疗负担，带来可观的医疗价值。
-
公开(公告)号：CN118380139A
公开(公告)日：2024-07-23
申请号：CN202410512749.8
申请日：2024-04-26
Applicant: 天津大学
IPC: G16H50/20 , A61B5/372 , A61B5/00 , G16H50/30 , G06F18/2415 , G06F18/214 , G06F18/10 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于U‑Net网络的单通道脑电癫痫棘波检测方法及装置，属于智能医学技术领域，在训练阶段，获取已经标注好棘波出现位置的脑电信号作为输入样本，进行预处理得到预处理后的脑电样本，预处理后的脑电样本和棘波标签信息打包输入到模型训练模块，构建基于U‑Net的多任务深度学习模型进行优化训练并保存最佳参数；在验证阶段，将未标注好棘波出现位置的脑电信号作为输入样本，进行预处理，预处理后的脑电样本输入到训练好的模型进行检测，将检测结果输入到后处理模块进行进一步处理得到修正后的棘波出现位置。本发明既能够提高脑电棘波检测算法的准确率，也能为棘波位置的可视化提供有益帮助。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
