-
公开(公告)号：CN117281528A
公开(公告)日：2023-12-26
申请号：CN202311584793.1
申请日：2023-11-27
申请人： 山东锋士信息技术有限公司
IPC分类号： A61B5/346 , A61B5/00 , G06F18/2415 , G06F18/15 , G06F18/2131 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/047 , G06N3/084 , G06F123/02 , G06N3/048
摘要： 本发明涉及基于深度学习的多导联脉冲信号智能识别方法及系统，属于脉冲信号的识别技术领域。将多导联切片脉冲信号输入由卷积神经网络、长短时记忆网络和注意力学习模块组成的多导联脉冲信号特征提取网络分支得到信号数据特征，将单导联脉冲信号经小波变换转化得到的时频图输入特征提取网络和特征增强模块构成的时频图特征提取网络分支得到图像特征，将两条分支学习的不同模态的信号特征进行融合再进行分类得到分类预测结果，训练并优化网络模型保存最优参数，将待测数据输入最优模型得到识别结果。本发明通过对双分支的特征进行融合，得到更为准确和综合的特征表示，这一融合过程充分利用了不同模态信号的特征，使得最终的特征更具代表性。
-
公开(公告)号：CN118490179B
公开(公告)日：2024-11-08
申请号：CN202410953914.3
申请日：2024-07-17
申请人： 山东锋士信息技术有限公司
IPC分类号： A61B5/00 , A61B5/372 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/0895
摘要： 本发明涉及一种基于自监督学习和Mamba网络的睡眠分期方法及系统，属于健康信息处理、模式识别技术领域。采用自监督训练网络进行数据处理提取高质量睡眠脑电信号特征，自监督训练网络包括特征增强、特征筛选、掩码预测三分支并行网络；对高质量睡眠脑电信号特征利用可分离卷积模块进行时频特征提取；提取的特征输入基于Mamba网络的特征增强模块再次进行上下文特征提取；利用分类器对提取的特征信息进行睡眠分期分类。本发明整体方法提高了睡眠分期分类的效率、准确性和适应性。
-
公开(公告)号：CN117426754B
公开(公告)日：2024-04-19
申请号：CN202311773487.2
申请日：2023-12-22
申请人： 山东锋士信息技术有限公司
IPC分类号： A61B5/02 , A61B5/021 , A61B5/00 , G06F18/2415 , G06F18/2131 , G06F18/2135 , G06F18/10 , G06F18/23 , G06N3/047 , G06N3/045 , G06N3/09
摘要： 本发明涉及一种基于PNN‑LVQ的特征权重自适应脉搏波分类方法，属于脉冲信号处理和健康信息数据处理技术领域。本发明采用矩阵脉搏波信号，采用PCA方法降维，通过PNN‑LVQ网络训练，完成对PNN网络竞争层的优化，采用先进鲸鱼算法优化PNN‑LVQ网络的输入信号，对特征信号进行权重自适应调整，本发明能够提取含有脉搏波幅值较高的数据信息，并且可避免了过程中由于测量移动带来的误差，分类准确率较高，训练速度较快。
-
公开(公告)号：CN118436317A
公开(公告)日：2024-08-06
申请号：CN202410902644.3
申请日：2024-07-08
申请人： 山东锋士信息技术有限公司
IPC分类号： A61B5/00 , A61B5/398 , A61B5/397 , A61B5/372 , G06F18/213 , G06F18/2415
摘要： 本发明涉及基于多粒度特征融合的睡眠阶段分类方法及系统，属于信号处理和医疗保健信息识别技术领域。首先利用HHT进行脑电信号、眼电信号、肌电信号时频特征提取，获取有表征信息的时频矩阵，进一步通过ETN网络中提取多通道数据的睡眠高阶特征张量，进一步采用三分支网络完成对全局和局部特征获取更全面的特征信息；最后在融合分类部分对每个通道进行自信息过滤法筛选的特征，并利用注意力感知模块对不同通道之间的特征信息进行融合。本发明方法能够有效提升睡眠阶段的分类精度和分类性能。
-
公开(公告)号：CN118051842A
公开(公告)日：2024-05-17
申请号：CN202410189145.4
申请日：2024-02-20
申请人： 山东锋士信息技术有限公司
摘要： 本发明涉及一种基于改进的VMD算法的识别异常脉搏信号的方法，属于脉搏信号的识别技术领域。将脉搏信号基于短时傅里叶变换根据频谱选择子代信号，对子代信号利用改进的VMD算法进行VMD分解得到IMF分量，改进的VMD算法是利用粒子群算法，通过计算子代信号的样本熵作为适应度来评价，迭代优化输出最优的参数L和α值；计算IMF分量的自相关函数和能量占比，选择符合条件的IMF分量脉搏信号作为BP神经网络的输入，训练并测试异常脉搏信号的识别网络。本发明方法有效地提高了脉搏信号识别异常信号的准确率。
-
公开(公告)号：CN117426754A
公开(公告)日：2024-01-23
申请号：CN202311773487.2
申请日：2023-12-22
申请人： 山东锋士信息技术有限公司
IPC分类号： A61B5/02 , A61B5/021 , A61B5/00 , G06F18/2415 , G06F18/2131 , G06F18/2135 , G06F18/10 , G06F18/23 , G06N3/047 , G06N3/045 , G06N3/09
摘要： 本发明涉及一种基于PNN‑LVQ的特征权重自适应脉搏波分类方法，属于脉冲信号处理和健康信息数据处理技术领域。本发明采用矩阵脉搏波信号，采用PCA方法降维，通过PNN‑LVQ网络训练，完成对PNN网络竞争层的优化，采用先进鲸鱼算法优化PNN‑LVQ网络的输入信号，对特征信号进行权重自适应调整，本发明能够提取含有脉搏波幅值较高的数据信息，并且可避免了过程中由于测量移动带来的误差，分类准确率较高，训练速度较快。
-
公开(公告)号：CN118436317B
公开(公告)日：2024-11-08
申请号：CN202410902644.3
申请日：2024-07-08
申请人： 山东锋士信息技术有限公司
IPC分类号： A61B5/00 , A61B5/398 , A61B5/397 , A61B5/372 , G06F18/213 , G06F18/2415
摘要： 本发明涉及基于多粒度特征融合的睡眠阶段分类方法及系统，属于信号处理和医疗保健信息识别技术领域。首先利用HHT进行脑电信号、眼电信号、肌电信号时频特征提取，获取有表征信息的时频矩阵，进一步通过ETN网络中提取多通道数据的睡眠高阶特征张量，进一步采用三分支网络完成对全局和局部特征获取更全面的特征信息；最后在融合分类部分对每个通道进行自信息过滤法筛选的特征，并利用注意力感知模块对不同通道之间的特征信息进行融合。本发明方法能够有效提升睡眠阶段的分类精度和分类性能。
-
公开(公告)号：CN118490179A
公开(公告)日：2024-08-16
申请号：CN202410953914.3
申请日：2024-07-17
申请人： 山东锋士信息技术有限公司
IPC分类号： A61B5/00 , A61B5/372 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/0895
摘要： 本发明涉及一种基于自监督学习和Mamba网络的睡眠分期方法及系统，属于健康信息处理、模式识别技术领域。采用自监督训练网络进行数据处理提取高质量睡眠脑电信号特征，自监督训练网络包括特征增强、特征筛选、掩码预测三分支并行网络；对高质量睡眠脑电信号特征利用可分离卷积模块进行时频特征提取；提取的特征输入基于Mamba网络的特征增强模块再次进行上下文特征提取；利用分类器对提取的特征信息进行睡眠分期分类。本发明整体方法提高了睡眠分期分类的效率、准确性和适应性。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.031 秒)
