一种利用SPR增强非线性效应的光学相位检测方法与装置

    公开(公告)号:CN115752761A

    公开(公告)日:2023-03-07

    申请号:CN202211360803.9

    申请日:2022-11-02

    Applicant: 暨南大学

    Abstract: 一种利用SPR增强非线性效应的光学相位检测方法及装置,方法包括,不同相位的相干光束形成干涉,产生基频光干涉条纹图像;以共振角入射到斜面镀有金膜的Kretschmann结构,激发表面等离子体共振,减小反射光强度,提高非线性转换效应;滤除反射光中基频光,采集高次谐波的干涉条纹图像或功率数据进行干涉鉴相。本发明将相位差信息转换为光学非线性信息,并采用表面等离子体共振进行非线性效应的增强,完成对非线性效应的增强,相位检测能力被二次方和三次方放大,达到增强干涉图像亮纹与暗纹的对比度、提升了相位测量的精度与分辨率。

    一种利用机器学习寻找退行性膝骨关节炎显著性特征方法

    公开(公告)号:CN114999628A

    公开(公告)日:2022-09-02

    申请号:CN202210445525.0

    申请日:2022-04-26

    Applicant: 暨南大学

    Abstract: 本发明公开了一种利用机器学习寻找退行性膝骨关节炎显著性特征方法,具体涉及智能医疗技术领域,包括以下具体步骤:S1.采集临床就诊患者的中医和西医信息,对信息预处理,构建膝骨关节炎特征数据集;S2.利用自编码器的特征降维特性去训练编码器学习膝骨关节炎的风险性特征;S3.使用6种现有的特征选择算法对膝骨关节炎特征数据集进行特征排序;S4.利用SVM分类器训练模型;S5.取出6种算法结果中高频出现的特征,并对比自编码器与传统特征选择方法对于选择风险性因素的效果。本发明筛选出的风险性因素可为中医诊断膝骨关节炎提供科学可靠的参考,构建更为准确可靠的疾病辨识模型。

    一种利用机器学习寻找退行性膝骨关节炎显著性特征方法

    公开(公告)号:CN114999628B

    公开(公告)日:2023-06-02

    申请号:CN202210445525.0

    申请日:2022-04-26

    Applicant: 暨南大学

    Abstract: 本发明公开了一种利用机器学习寻找退行性膝骨关节炎显著性特征方法,具体涉及智能医疗技术领域,包括以下具体步骤:S1.采集临床就诊患者的中医和西医信息,对信息预处理,构建膝骨关节炎特征数据集;S2.利用自编码器的特征降维特性去训练编码器学习膝骨关节炎的风险性特征;S3.使用6种现有的特征选择算法对膝骨关节炎特征数据集进行特征排序;S4.利用SVM分类器训练模型;S5.取出6种算法结果中高频出现的特征,并对比自编码器与传统特征选择方法对于选择风险性因素的效果。本发明筛选出的风险性因素可为中医诊断膝骨关节炎提供科学可靠的参考,构建更为准确可靠的疾病辨识模型。

Patent Agency Ranking