-
公开(公告)号:CN115985464B
公开(公告)日:2023-07-25
申请号:CN202310256709.7
申请日:2023-03-17
IPC分类号: G16H20/30 , G16H50/30 , G06V40/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08 , A61B5/00 , A61B5/397 , A61B5/372 , A61B5/346 , A61B5/11
摘要: 本发明涉及肌肉疲劳度检测技术领域,尤其是涉及一种基于多模态数据融合的肌肉疲劳度分类方法及系统。所述方法包括:获取康复训练中的多种生理信号和IMU信号;对获取的生理信号和IMU信号进行预处理;将预处理的生理信号和IMU信号转换为灰度图像;将同一种信号转换得到的灰色图像进行结合,形成RGB图像;通过深度学习网络模型对生理信号和IMU信号及其RGB图像进行特征提取;本发明针对现阶段疲劳程度的研究,基于同步采集的sEMG、EEG、ECG及IMU信号,提出了多输入并行的神经网络模型用来提取特征,避免单一信号检测可能出现错误的检测。
-
公开(公告)号:CN115985463A
公开(公告)日:2023-04-18
申请号:CN202310256692.5
申请日:2023-03-17
IPC分类号: G16H20/30 , A61B5/00 , A61B5/397 , A61B5/11 , G16H50/30 , G06N3/0442 , G06N3/0464 , G06N3/08
摘要: 本发明涉及疲劳度检测技术领域,尤其是涉及一种基于可穿戴式设备的实时预测肌肉疲劳度方法及系统。所述方法包括获取运动过程中的表面肌电sEMG信号和惯性测量单元IMU信号;对sEMG信号和IMU信号分别进行预处理,提取sEMG信号的时、频域信息;根据sEMG信号的时、频域信息和IMU信号,利用预测模型预测sEMG信号的时、频域信息和IMU信号的变化趋势;本发明可以帮助下肢活动困难患者患者在没有专业医护人员监督的情况下在家中完成康复,还可以合理安排患者的训练时间,从而帮助患者更好地做康复运动,防止肌肉疲劳带来的二次伤害。
-
公开(公告)号:CN110974305A
公开(公告)日:2020-04-10
申请号:CN201911283022.2
申请日:2019-12-13
摘要: 本公开公开了基于深度学习的远程心脏超声三维成像系统及方法,用户客户端,用于控制超声发射器,向使用时穿戴在人体体表胸壁位置的柔性穿戴式多阵元成像换能器发射选通信号指令;控制超声接收器接收选通信号指令对应的阵元反馈回来的超声信号;将反馈回来的超声信号上传给云服务器;云服务器,对用户客户端上传的超声信号进行处理,利用预训练的个体三维心脏模型,对受试者的心脏超声二维图像进行处理,得到受试者实时的心脏轮廓关键点,基于实时的心脏轮廓关键点,得到受试者实时的心脏超声三维成像;医生客户端,接收医生选取的受试者心脏轮廓关键点,将受试者心脏轮廓关键点通过云服务器发送给用户客户端,指导用户客户端发送选通信号指令。
-
公开(公告)号:CN115985463B
公开(公告)日:2023-07-25
申请号:CN202310256692.5
申请日:2023-03-17
IPC分类号: G16H20/30 , A61B5/00 , A61B5/397 , A61B5/11 , G16H50/30 , G06N3/0442 , G06N3/0464 , G06N3/08
摘要: 本发明涉及疲劳度检测技术领域,尤其是涉及一种基于可穿戴式设备的实时预测肌肉疲劳度方法及系统。所述方法包括获取运动过程中的表面肌电sEMG信号和惯性测量单元IMU信号;对sEMG信号和IMU信号分别进行预处理,提取sEMG信号的时、频域信息;根据sEMG信号的时、频域信息和IMU信号,利用预测模型预测sEMG信号的时、频域信息和IMU信号的变化趋势;本发明可以帮助下肢活动困难患者患者在没有专业医护人员监督的情况下在家中完成康复,还可以合理安排患者的训练时间,从而帮助患者更好地做康复运动,防止肌肉疲劳带来的二次伤害。
-
公开(公告)号:CN115985464A
公开(公告)日:2023-04-18
申请号:CN202310256709.7
申请日:2023-03-17
IPC分类号: G16H20/30 , G16H50/30 , G06V40/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08 , A61B5/00 , A61B5/397 , A61B5/372 , A61B5/346 , A61B5/11
摘要: 本发明涉及肌肉疲劳度检测技术领域,尤其是涉及一种基于多模态数据融合的肌肉疲劳度分类方法及系统。所述方法包括:获取康复训练中的多种生理信号和IMU信号;对获取的生理信号和IMU信号进行预处理;将预处理的生理信号和IMU信号转换为灰度图像;将同一种信号转换得到的灰色图像进行结合,形成RGB图像;通过深度学习网络模型对生理信号和IMU信号及其RGB图像进行特征提取;本发明针对现阶段疲劳程度的研究,基于同步采集的sEMG、EEG、ECG及IMU信号,提出了多输入并行的神经网络模型用来提取特征,避免单一信号检测可能出现错误的检测。
-
公开(公告)号:CN110974305B
公开(公告)日:2021-04-27
申请号:CN201911283022.2
申请日:2019-12-13
摘要: 本公开公开了基于深度学习的远程心脏超声三维成像系统及方法,用户客户端,用于控制超声发射器,向使用时穿戴在人体体表胸壁位置的柔性穿戴式多阵元成像换能器发射选通信号指令;控制超声接收器接收选通信号指令对应的阵元反馈回来的超声信号;将反馈回来的超声信号上传给云服务器;云服务器,对用户客户端上传的超声信号进行处理,利用预训练的个体三维心脏模型,对受试者的心脏超声二维图像进行处理,得到受试者实时的心脏轮廓关键点,基于实时的心脏轮廓关键点,得到受试者实时的心脏超声三维成像;医生客户端,接收医生选取的受试者心脏轮廓关键点,将受试者心脏轮廓关键点通过云服务器发送给用户客户端,指导用户客户端发送选通信号指令。
-
公开(公告)号:CN115526827A
公开(公告)日:2022-12-27
申请号:CN202210844594.9
申请日:2022-07-19
申请人: 山东大学齐鲁医院
IPC分类号: G06T7/00 , G06V10/764 , G06V10/25 , G06V10/82
摘要: 本发明公开一种基于多任务学习的甲状腺乳头状癌病理图像分类方法,实现对高细胞型肿瘤细胞旋转目标检测,细胞核目标检测及细胞核分类进行多任务学习;本发明还将高细胞型肿瘤细胞检测的异常评估,细胞核检测的异常评估作为两个辅助任务。本发明有效克服了单一任务信息量利用不充足问题,通过利用多任务间的信息互助提高对甲状腺乳头状癌病理图像的分类和/或统计工作的准确性和高效性。
-
公开(公告)号:CN115211897A
公开(公告)日:2022-10-21
申请号:CN202110412245.5
申请日:2021-04-16
申请人: 山东大学齐鲁医院
摘要: 本公开提供了一种基于超声数据的心肌缺血诊断系统,包括:数据获取模块,获取心脏超声数据;特征提取模块,根据获取的数据,提取全心结构特征数据;数据转换模块,根据全心结构特征数据,得到每个节段的心肌层特征数据、冠脉结构血流特征数据和心肌层结构血流特征数据;模型融合模块,将每个节段的心肌层特征数据、冠脉结构血流特征数据和心肌层结构血流特征数据输入到预设神经网络模型中,得到心肌层节段缺血状态、缺血程度以及心肌缺血病因的概率;本公开只需要心脏超声数据,既能反应心肌是否缺血,又能反应缺血程度和范围,也能判断缺血是由于心外膜冠状动脉还是微血管病变所导致,在保证诊断准确率的同时极大的提高了心肌缺血的诊断效率。
-
公开(公告)号:CN115222734B
公开(公告)日:2023-01-17
申请号:CN202211140101.X
申请日:2022-09-20
申请人: 山东大学齐鲁医院
IPC分类号: G06T7/00 , G06T7/11 , G06T7/62 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82
摘要: 本发明涉及一种用于胃黏膜肠上皮化生的图像分析方法及系统,其包括获取深度分割模型;将数字病理切片输入至深度分割模型,得到杯状细胞、腺体及腺腔的分割结果,通过肠化比的计算公式得到肠化比;本发明通过计算得到肠化比,根据肠化比的具体数值,判断肠上皮化生的严重程度,减少评估时间,且提高了评估的准确度。
-
公开(公告)号:CN115222734A
公开(公告)日:2022-10-21
申请号:CN202211140101.X
申请日:2022-09-20
申请人: 山东大学齐鲁医院
IPC分类号: G06T7/00 , G06T7/11 , G06T7/62 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82
摘要: 本发明涉及一种用于胃黏膜肠上皮化生的图像分析方法及系统,其包括获取深度分割模型;将数字病理切片输入至深度分割模型,得到杯状细胞、腺体及腺腔的分割结果,通过肠化比的计算公式得到肠化比;本发明通过计算得到肠化比,根据肠化比的具体数值,判断肠上皮化生的严重程度,减少评估时间,且提高了评估的准确度。
-
-
-
-
-
-
-
-
-