-
公开(公告)号：CN115153476A
公开(公告)日：2022-10-11
申请号：CN202210805175.4
申请日：2022-07-08
Applicant: 安徽省立医院(中国科学技术大学附属第一医院)
Abstract: 本公开提供一种基于多维数据的睡眠评估方法、装置、电子设备及介质，该方法包括：获取光电容积脉搏波PPG数据以及蛋白组学数据的样本数据；对所述PPG数据以及所述蛋白组学数据进行数据融合，确定所述样本数据对应的特征值；根据所述特征值的贡献率确定所述样本数据的特征向量；基于所述特征向量获取睡眠模型，以利用所述睡眠模型获取待预测数据的睡眠数据。通过将光电容积脉搏波PPG数据以及蛋白组学数据进行融合，基于融合后的特征向量获取睡眠模型，提升睡眠数据的可靠性以及泛化性。
-
公开(公告)号：CN117198517A
公开(公告)日：2023-12-08
申请号：CN202310761612.1
申请日：2023-06-27
Applicant: 安徽省立医院(中国科学技术大学附属第一医院)
IPC: G16H50/30 , G16H20/30 , G16H10/60 , G16B20/30 , G16B40/00 , G06N3/0499 , G06N3/082 , G06F18/243
Abstract: 本发明公开了基于机器学习的运动反应性评估和预测模型的建模方法，其中评估模型的建模方法为：采集用户信息并进行归一化处理；采用最佳增益生长模式/深度优先生长模式，生成根节点和子节点；采用预剪枝/后剪枝方法对子节点进行优化；输出用户是否有最大摄氧量反应；预测模型的建模方法为：收集用户信息并进行归一化处理；设置BP神经网络的层数和节点数，并对数据进行训练；采用搜索策略进行去深度和优化节点；采用交叉分类损失函数进行模型迭代；对模型节点阈值进行再次优化；输出用户最大摄氧量反应比例。本发明建立的评估、预测模型可以辅助医生能尽早发现用户运动异质性问题，实现运动干预重心前移，提高干预效果。
-
公开(公告)号：CN117198517B
公开(公告)日：2024-04-30
申请号：CN202310761612.1
申请日：2023-06-27
Applicant: 安徽省立医院(中国科学技术大学附属第一医院)
IPC: G16H50/30 , G16H20/30 , G16H10/60 , G16B20/30 , G16B40/00 , G06N3/0499 , G06N3/082 , G06F18/243
Abstract: 本发明公开了基于机器学习的运动反应性评估和预测模型的建模方法，其中评估模型的建模方法为：采集用户信息并进行归一化处理；采用最佳增益生长模式/深度优先生长模式，生成根节点和子节点；采用预剪枝/后剪枝方法对子节点进行优化；输出用户是否有最大摄氧量反应；预测模型的建模方法为：收集用户信息并进行归一化处理；设置BP神经网络的层数和节点数，并对数据进行训练；采用搜索策略进行去深度和优化节点；采用交叉分类损失函数进行模型迭代；对模型节点阈值进行再次优化；输出用户最大摄氧量反应比例。本发明建立的评估、预测模型可以辅助医生能尽早发现用户运动异质性问题，实现运动干预重心前移，提高干预效果。
-
公开(公告)号：CN115153476B
公开(公告)日：2023-06-06
申请号：CN202210805175.4
申请日：2022-07-08
Applicant: 安徽省立医院(中国科学技术大学附属第一医院)
IPC: A61B5/024 , A61B5/00 , G06F18/25 , G06F18/214 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本公开提供一种基于多维数据的睡眠评估方法、装置、电子设备及介质，该方法包括：获取光电容积脉搏波PPG数据以及蛋白组学数据的样本数据；对所述PPG数据以及所述蛋白组学数据进行数据融合，确定所述样本数据对应的特征值；根据所述特征值的贡献率确定所述样本数据的特征向量；基于所述特征向量获取睡眠模型，以利用所述睡眠模型获取待预测数据的睡眠数据。通过将光电容积脉搏波PPG数据以及蛋白组学数据进行融合，基于融合后的特征向量获取睡眠模型，提升睡眠数据的可靠性以及泛化性。
-
-
-
Search Results
4
records
(took 0.045 seconds)
