-
公开(公告)号：CN117958831B
公开(公告)日：2024-10-29
申请号：CN202311479336.6
申请日：2023-11-08
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/318 , A61B5/346 , A61B5/00 , G06F18/241 , G06F18/2415 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06N3/0895
Abstract: 一种基于自监督学习的多导联心电分类方法，涉及心电信号分类技术领域，首先采用多种不同数据增强的方式对原始信号进行处理，设计合适的编码器模块和利用大量易获得的无标签数据提取心电特征，使编码器学习到更多关于心电信号类别的信息。最后利用少量标注数据微调模型编码器进行特征优化，通过训练模型，不断优化特征提取器的参数，使得生成的特征能够更好地反映输入数据的结构和信息。自监督学习的方式在一定程度上减少心电分类需要大量昂贵人工标注数据造成的阻碍，提高了模型的泛化能力。
-
公开(公告)号：CN114741572B
公开(公告)日：2024-07-23
申请号：CN202210364463.0
申请日：2022-04-08
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9035 , G06F16/9038 , G06F16/906
Abstract: 一种基于图卷积神经网络群组发现的群组推荐方法，根据电影主题类别将用户—电影交互数据划分为数据子集，使用各数据子集构建用户—电影交互图，通过图卷积网络从交互图中学习用户/电影嵌入表示，然后利用Kmeans算法进行群组发现，通过均值融合策略，将群组成员嵌入表示融合为群组嵌入表示，最后将群组嵌入表示与电影嵌入表示进行内积得到群组对电影的预测偏好得分，根据偏好得分向群组推荐电影。侧重于群组发现阶段的用户嵌入获取方法，考虑了群组的内部一致性对群组推荐算法性能的影响，将用户—电影的交互信息融入用户/电影的特征信息之中，提高了群组发现中的用户嵌入表示的准确度，进而增强了群组推荐算法的性能。
-
公开(公告)号：CN117958834A
公开(公告)日：2024-05-03
申请号：CN202311541071.8
申请日：2023-11-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346 , A61B5/00 , G06F18/241 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0895 , G06N3/084
Abstract: 一种基于随机掩码和生成式自监督学习的心电分类方法，涉及ECG心电分类技术领域，将原始心电信号在一定约束下将导联信号随机遮掩破坏掉原始心电信号的完整性，使其信号的大部分时空信息被随机掩盖，然后再设计一种高效的编码器生成随机掩蔽策略下的信号，重构在时间和导联维度上遮掩的导联心电信号来学习时空表征。并且为提高编码器对局部特征的感受能力，编码器中引入注意力机制和增加卷积层的步幅、从而扩大神经元的感受野增加对局部特征的感知能力。
-
公开(公告)号：CN117481606A
公开(公告)日：2024-02-02
申请号：CN202311498055.5
申请日：2023-11-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/00 , A61B5/346 , G06F18/241 , G06F18/10 , G06F18/213 , G06F18/22 , G06N3/048 , G06N3/0464
Abstract: 一种基于改进孪生网络的小样本心电信号分类方法，涉及心电信号分类技术领域，通过构建CMP模块作为孪生网络的子网络，将提取局部特征和全局特征相结合，能够更好的分析波峰的位置、振幅和偏移量等信息，使得转换后的特征向量变得更加鲁棒，从而提高小样本心电信号分类的准确率和稳定性。
-
公开(公告)号：CN117338310A
公开(公告)日：2024-01-05
申请号：CN202311523667.5
申请日：2023-11-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346
Abstract: 一种基于对比学习和多尺度特征提取的心电信号分类方法，涉及心电信号分类技术领域，SE‑ResNeXt‑CAN网络模型由浅层特征提取模块、第一SERM模块、第二SERM模块、第一CARM模块、第二CARM模块构成，SE‑ResNeXt‑CAN网络模型通过多个模块的组合和优化，自适应地学习各个通道之间的关联性，扩大感受野，充分捕捉关键特征，提升了心电信号分类任务的性能和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN117315798A
公开(公告)日：2023-12-29
申请号：CN202311546911.X
申请日：2023-11-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院
IPC: G06V40/40 , G06V40/16 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种基于身份脸型特征的深度伪造检测方法，涉及深度伪造检测技术领域，引入身份特征与3D人脸形状特征相结合，设计了脸型一致性自注意力模块、身份引导脸型一致性注意力模块，挖掘其中的身份脸型不一致特征，根据不同检测人脸的参考人脸信息，具有更强的针对性。额外利用了待检测人脸的参考人脸辅助检测，具有更强的针对性。利用身份特征和形状特征实现更好的泛化检测性能，提高深度伪造检测性能和精准度。
-
公开(公告)号：CN116468619A
公开(公告)日：2023-07-21
申请号：CN202310184267.X
申请日：2023-03-01
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 一种基于多特征反馈融合的医学影像去噪方法，运用了采用了解码‑编码的网络框架，通过多特征反馈融合网络对图像进行特征提取。特征反馈融合网络由多特征反馈融合模块(MFFM)和并联扩张卷积模块组成。通过并联多个不同扩张率的扩张卷积层在提取浅层特征的同时既增大特征图的感受野，又保证信息不丢失。多特征反馈融合模块(MFFM)可以将进一步提取的深层特征以注意力机制的形式反馈给浅层特征，从而实现深层特征和浅层特征的深度融合。将融合后的特征图池化放大至相同尺寸可以保证输入特征图的shape不变。化特征向量，降低噪声因子的干扰。恢复特征图融合了关键像素特征，强化了特殊而又复杂的模糊边缘，降低了噪声对冠状动脉CTA的影响。
-
公开(公告)号：CN105147276B
公开(公告)日：2017-05-24
申请号：CN201510563636.1
申请日：2015-09-07
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402 , G06Q50/22 , H04L29/08
Abstract: 本发明的基于Android和云计算的心电交互处理系统，包括心电图测量模块、Android主控板和云计算平台，心电图测量模块实现心电信号的采集，Android主控板实现心电数据的显示和上传；云计算平台实现数据的存储，以及医生与用户的在线沟通。本发明的处理方法包括：a).导联电极的固定；b).身份验证；c).验证用户是否合法；d).发送心电数据；e).心电数据的接收；f).心电图的绘制；g).心电数据的上传；h).在线服务。本发明的系统和处理方法，将传统心电图与Android移动平台和云计算平台相结合，实现了心电图的实时解析、绘制、传输和授权共享，可作为一种有效的移动医疗设备，积极的推动了医疗信息化进程。
-
公开(公告)号：CN104442830B
公开(公告)日：2016-10-19
申请号：CN201410615070.8
申请日：2014-11-05
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: B60W40/105 , B60W40/068
Abstract: 本发明的四轮转向/驱动车辆的速度估计和摩擦辨识方法，包括：a).建立车体坐标系；b).建立车辆动力学方程；c).建立车轮子动态方程；d).建立车轮速度方程；e).建立车轮滑移率方程；f).求取车轮的纵向、侧向力；g).摩擦模型的参数化；h).建立描述车辆速度、横摆角速度和加速度关系的运动学方程；i).在可测信号包括纵向加速度、侧向加速度、横摆角速度、车轮角速度、转向盘转角的情况下，设计观测器；j).定义持续激励条件。本发明的速度估计和摩擦辨识方法,不仅建立了估计车辆纵向速度和侧向速度的非线性自适应观测器，同时还根据路面条件的变化实时估计轮胎路面摩擦参数，对速度的估计更加准确。
-
公开(公告)号：CN105748063A
公开(公告)日：2016-07-13
申请号：CN201610259531.1
申请日：2016-04-25
Applicant: 山东大学齐鲁医院 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402 , A61B5/024 , G06F19/00
CPC classification number: A61B5/0402 , A61B5/024 , A61B5/7264 , A61B5/7267 , G16H50/20
Abstract: 本发明的基于多导联和卷积神经网络的心律失常智能诊断方法，包括：a).选取数据样本；b).标注心律失常类型；c).截取导联的心跳信号；d).得到归一化的心跳集合；e).构建隐层和输出层；f).设定目标函数；g).样本训练；h).心律失常分类的应用。本发明的心律失常智能诊断方法，利用多导联心电图数据训练CNN能够提高网络的学习效率和心律失常自动诊断的精度，实现了使用有心律失常类型标注多导联心电图数据训练CNN的通用框架和具体方法，可准确判断出待诊断心电信号的心律失常类型，可作为确诊结果或供医生参考。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.054 seconds)
