-
公开(公告)号：CN112381725B
公开(公告)日：2024-02-02
申请号：CN202011109766.5
申请日：2020-10-16
申请人： 广东工业大学
IPC分类号： G06T5/77 , G06T5/70 , G06T5/60 , G06T5/10 , G06T7/90 , G06N3/0464 , G06N3/0475 , G06N3/094
摘要： 本发明公开一种基于深度卷积对抗生成网络的图像修复方法及装置，通过对待修复图像进行预处理，以获得边缘原图，然后利用预先训练的深度卷积对抗生成网络，根据边缘原图生成与待修复图像对应的目标生成图像，其中，预先训练的深度卷积对抗生成网络包括依次连接的第一生成器、第一判别器、第二生成器和第二判别器，从而能够对针对待修复图像生成的图像进行双重判定，进而可以提高图像修复准确率，改善修复效果。
-
公开(公告)号：CN113288091B
公开(公告)日：2023-10-03
申请号：CN202110489925.7
申请日：2021-05-06
申请人： 广东工业大学
摘要： 本发明实施例提供一种用于血压分类的模型训练方法、装置及可穿戴设备；用于血压分类的模型训练方法包括：获取血管容积图信号并对所述血管容积图信号进行预处理；提取经预处理后的血管容积图信号中的特征参数；将所述特征参数作为多个分类算法的输入以训练得到血压分类融合模型。本发明提供的一种基于血管容积图信号的多种分类模型融合的用于血压分类的模型训练方法，获取血管容积图信号并对血管容积图信号进行预处理后，提取经预处理后的血管容积图信号中的特征参数，并根据特征参数利用了三种多种分类模型，让分类器做出最可能预测正确的选择。相比单一分类模型方法，本发明实施例所提供的融合模型方法实现了对血压类别分类的更高准确率。
-
公开(公告)号：CN114530228B
公开(公告)日：2022-09-27
申请号：CN202210109388.3
申请日：2022-01-28
申请人： 广东工业大学
摘要： 本发明提出一种基于平滑处理及融合的血糖预测方法、系统及医疗设备，涉及医疗器械的技术领域，首先采集原始数据特征值，对其进行归一化处理，通过相关系数将归一化后的特征值进行平滑处理，使特征值与血糖实测值的关系更具相关性，形成特征矩阵作为数据集，并划分为训练集、验证集与测试集，将特征贡献率不同的特征值组合，利用最优相关系数对不同血糖预测模型得到的血糖预测结果矩阵进行融合，得到最终血糖预测结果，充分考虑饮食行为变化，降低饮食行为变化对预测结果产生的偏差，提高了血糖值预测结果的准确度，该方法可封装于系统，进一步形成医疗设备的应用，为糖尿病患者在日常生活中采取自我干预措施提供指导。
-
公开(公告)号：CN114668373A
公开(公告)日：2022-06-28
申请号：CN202210600499.4
申请日：2022-05-30
申请人： 广东工业大学
摘要： 本发明提出一种基于动态模态分解的睡眠阶段分类方法及系统，涉及睡眠分类识别的技术领域，在睡眠阶段分类时，采用的是脑电信号和眼动信号，脑电信号结合水平眼电信号能更精准地识别睡眠的不同阶段，在采集脑电信号和眼动信号之后，对脑电信号和眼动信号进行数据增强处理，避免脑电信号矩阵和眼动信号矩阵出现秩亏缺性，然后考虑脑电信号和眼电信号的发展过程均是非平稳、非线性的随机过程，对多通道及多采样点下的信号进行动态模态分解，可以同时体现信号的空间域和时间域特性，提高了后续睡眠阶段分类识别的效果，且不需要完全重构出原信号，动态模态分解完成，仅利用动态模态分解后的模态提取相应的特征功率谱，特征提取简单，识别分类效果佳。
-
公开(公告)号：CN114145757B
公开(公告)日：2022-05-10
申请号：CN202210119074.1
申请日：2022-02-08
申请人： 广东工业大学
摘要： 本发明提出一种基于非对称合成滤波器组的脑电信号重构方法，涉及脑电信号处理的技术领域，解决了当前脑电信号重构方法无法从下采样的脑电信号分量中重构出原始脑电信号的问题；对原始脑电信号预处理得到频谱，划分边界，基于边界划分引入带下采样器的分析滤波器组，将原始脑电信号输入分析滤波器组进行滤波和下采样，以降低脑电信号的采样率，减少冗余；构建非对称合成滤波器组以降低经下采样及滤波后的脑电信号的信息丢失，确定非对称合成滤波器组的合成矩阵后，根据合成矩阵确定每条通道对应的滤波器的频率响应，在信号的重构处理时可以从因下采样而丢失信息的子带信号中恢复出原始的脑电信号。
-
公开(公告)号：CN114118177B
公开(公告)日：2022-04-26
申请号：CN202210078718.7
申请日：2022-01-24
申请人： 广东工业大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于奇异谱分析的位平面降噪方法、系统及存储介质，涉及信号处理技术领域，包括：对原信号进行奇异谱分析，获得信号分量并重构；对重构的信号进行噪声程度评估；将重构的信号转化为位平面矩阵；计算噪声所占比特位，并进行局部幅度降噪；将各比特向量还原至十进制表示数，获得被量化信号，对被量化信号进行光滑化处理以去除量化误差，获得最终降噪信号。本发明通过自适应降噪，解决了传统奇异谱降噪方法中重构信号噪声残留、原信号失真等问题，提高了信号降噪的效率。
-
公开(公告)号：CN113288090B
公开(公告)日：2022-04-22
申请号：CN202110489785.3
申请日：2021-05-06
申请人： 广东工业大学
摘要： 本发明公开了一种血压预测方法、系统、设备及存储介质。本发明通过获取光电容积脉搏波信号及心率值；对所述光电容积脉搏波信号进行离散余弦变换，以得到频域信号；对所述频域信号进行低通滤波，以得到滤波后的信号；对所述滤波后的信号的交流系数进行筛选，以得到降噪信号；提取所述降噪信号的特征值；将所述特征值及所述心率值输入至预设模型中，以得到血压预测值。其中，通过对信号进行离散余弦变换及系数筛选等处理，可以获得更好的降噪效果，使降噪信号具有更多有价值的特征信息，便于后续特征值的提取，进而提高了血压预测的准确性。
-
公开(公告)号：CN112861986B
公开(公告)日：2022-04-22
申请号：CN202110229606.2
申请日：2021-03-02
申请人： 广东工业大学
摘要： 本发明公开了一种基于卷积神经网络的血脂亚组分含量检测方法，首先制备血清样品，对各血脂亚组分进行分离分析；接着利用基于激光诱导的荧光检测法收集各血脂亚组分对应的荧光蛋白电信号；然后利用经验模式分解对荧光蛋白信号进行去噪处理；再搭建卷积神经网络结构；选择包含荧光蛋白信号及其对应血脂亚组分具体数值的已有数据集；然后基于荧光蛋白信号的特征设计对应神经网络的滤波器，同时将网络结构中最后一层全连接层的输出设置为对于输入荧光蛋白信号对应的血脂亚组分具体数值估计，完成卷积神经网络的结构设计后，利用训练集进行网络训练；最后通过训练好的神经网络模型进行血脂亚组分含量检测，得到检测结果。本发明具有较高的检测精度。
-
公开(公告)号：CN114118177A
公开(公告)日：2022-03-01
申请号：CN202210078718.7
申请日：2022-01-24
申请人： 广东工业大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于奇异谱分析的位平面降噪方法、系统及存储介质，涉及信号处理技术领域，包括：对原信号进行奇异谱分析，获得信号分量并重构；对重构的信号进行噪声程度评估；将重构的信号转化为位平面矩阵；计算噪声所占比特位，并进行局部幅度降噪；将各比特向量还原至十进制表示数，获得被量化信号，对被量化信号进行光滑化处理以去除量化误差，获得最终降噪信号。本发明通过自适应降噪，解决了传统奇异谱降噪方法中重构信号噪声残留、原信号失真等问题，提高了信号降噪的效率。
-
公开(公告)号：CN114098656A
公开(公告)日：2022-03-01
申请号：CN202210093782.2
申请日：2022-01-26
申请人： 广东工业大学
摘要： 本发明提出一种基于经验模态分解及位平面转化的信号降噪方法与系统，涉及生物电信号降噪处理的技术领域，解决了当前仅采用EMD进行信号降噪的方法降噪效果欠佳的问题，首先使用经验模态分解对待处理的原信号进行快速分解，然后重构后进行噪声程度评估，从广义上以定位待降噪的重构信号，接着借助对待降噪的重构信号实施位平面转化得到位平面矩阵的方式，以实现信号的局部幅度降噪处理，保证信号的降噪过程更加细致，然后再将位平面矩阵还原，得到被量化信号后再一次进行经验模态分解以去除量化误差，整体上实现了信号的细致化降噪处理，提高了降噪效果。
-
-
-
-
-
-
-
-
-
搜索结果
144 条记录 (耗时 0.063 秒)
