-
公开(公告)号：CN109918370B
公开(公告)日：2021-10-08
申请号：CN201910068134.X
申请日：2019-01-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于WEB的可配置表单应用前端的开发方法及系统，包括以下步骤：将待输入数据中各类字段信息转换为能够在WEB开发中进行编程的数据结构对象；数据结构对象包括：录入类型和键值属性；在前端框架中，根据获得的数据结构对象，封装前端组件并设计组件接口；在前端框架中构建项目，将获得的数据结构对象作为全局可访问的数据对象引入编译环境中，对数据结构对象进行遍历；根据数据结构对象中的“录入类型”属性，引入设计的组件，完成可配置表单应用前端的开发。本发明基于待输入数据设计可编程的数据对象，利用对象属性描述待输入数据的UI呈现方式，从而实现从数据到UI的直接映射，能够达到表单应用的快速开发的效果。
-
公开(公告)号：CN109948647B
公开(公告)日：2021-02-02
申请号：CN201910067775.3
申请日：2019-01-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深度残差网络的心电图分类方法及系统，包括：采集标注好的心电图数据，获得心电图样本数据、类别标签和关键波形标签；将三者以及它们之间的对应关系整合为数据集；数据集包括训练集和验证集；构建基本的深度残差网络，在其主干网络预设位置构建用以重构关键波形位置的分支；分支包括：卷积层和Sigmoid层；训练后，获得训练好的具有分支的深度残差网络模型；通过训练好的模型对待分类检测的心电图数据进行分类。本发明通过在深度残差网络中引入新的分支来检测关键波形，使得模型能够更关注于心电图的关键波形，在可解释性和性能上都得到提升，输出给医生的分类数据更具有参考价值。
-
公开(公告)号：CN109875546B
公开(公告)日：2020-07-28
申请号：CN201910067724.0
申请日：2019-01-24
Applicant: 西安交通大学
IPC: A61B5/0402 , G06K9/62
Abstract: 本发明公开了一种面向心电图数据的深度模型分类结果可视化方法，包括：将心电图序列输入训练好的深度模型中，获得基准结果；通过遮挡区间抹除选定的心跳区间的信息，将没有选定心跳区间信息时的深度模型输出结果与深度模型输出的基准结果相比较，计算获得每一次心跳对于深度模型的影响因子ΔO；采用渐变色带将每一次心跳的影响因子ΔO可视化表示出来，实现深度模型分类结果的可视化。本发明通过分析宏观和微观两种粒度下心电图数据对于深度模型输出结果的影响，能够展示得到模型分类结果的关键证据，可增强模型输出的分类结果的可解释性。
-
公开(公告)号：CN111368686A
公开(公告)日：2020-07-03
申请号：CN202010125423.1
申请日：2020-02-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深度学习的脑电图情感分类方法，包括以下步骤：对采集的脑电图数据的所有通道进行筛选，将筛选后剩余的所有通道的长度截短为其中最短的长度，获得处理后的脑电图数据；将处理后的脑电图数据进行分割，获得若干预设时间长度的片段；对获得的片段使用快速傅里叶变换计算得到脑电图数据的功率谱密度数据；构建用于特征提取的基于自编码器的多层模型，并用预先标注的训练集和测试集分别进行训练和测试，获得训练好的多层模型；根据提取获得的特征向量，通过分类器对脑电图数据进行分类。本发明使用深度学习模型，能够实现对不同情感状态下的脑电图数据进行分类。
-
公开(公告)号：CN111242098A
公开(公告)日：2020-06-05
申请号：CN202010125945.1
申请日：2020-02-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种结合特征提取和inception网络的心电数据分类方法及系统，包括：步骤1，对滤波后的心电图数据进行归一化处理；步骤2，将步骤1获得的处理后的心电图数据进行分割；步骤3，对步骤2获得的若干心跳片段进行特征提取；步骤4，构建适用于心电数据的inception网络；步骤5，计算获得整个心电图数据上的相对小波能量、小波能量，以及全部心跳片段的小波能量和心跳间隔时间的绝对平均偏差；步骤6，将整合后的特征作为预构建的多层感知机的输入，训练所述多层感知机至预设收敛条件，获得最终的分类模型。本发明中，模型既提取非常有价值的专家特征，又考虑到心电数据的深层次特征，能够达到增强模型健壮性和分类能力的目的。
-
Patent Agency Ranking
公开(公告)号：CN108829649B
公开(公告)日：2020-04-10
申请号：CN201810551154.8
申请日：2018-05-31
Applicant: 西安交通大学
IPC: G06F40/126 , G06F40/151
Abstract: 本发明的基于HBASE键值索引的复杂类型编码序列化算法的实现方法，对rowkey中整型和浮点型等数值的二进制字节码进行特定的序列化，使rowkey中复杂数值类型二进制字节码在序列化后保持与实际数值有相同的序关系，使其逻辑上连贯的数据在物理存储上也保持连贯有序且一一对应，提高Hbase范围查询效率，同时对于扩展优化Hbase rowkey复杂类型键值索引研究也有重大的借鉴意义。
-
公开(公告)号：CN111368686B
公开(公告)日：2022-10-25
申请号：CN202010125423.1
申请日：2020-02-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深度学习的脑电图情感分类方法，包括以下步骤：对采集的脑电图数据的所有通道进行筛选，将筛选后剩余的所有通道的长度截短为其中最短的长度，获得处理后的脑电图数据；将处理后的脑电图数据进行分割，获得若干预设时间长度的片段；对获得的片段使用快速傅里叶变换计算得到脑电图数据的功率谱密度数据；构建用于特征提取的基于自编码器的多层模型，并用预先标注的训练集和测试集分别进行训练和测试，获得训练好的多层模型；根据提取获得的特征向量，通过分类器对脑电图数据进行分类。本发明使用深度学习模型，能够实现对不同情感状态下的脑电图数据进行分类。
-
公开(公告)号：CN109918475B
公开(公告)日：2021-01-19
申请号：CN201910067727.4
申请日：2019-01-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于医疗知识图谱的可视查询方法及查询系统，包括以下步骤：通过查询生成器引导和提示用户，构建获得适用于用户的查询条件；根据获得的查询条件，搜索查询获得点数据信息和边数据信息；根据获得点数据信息和边数据信息，构建医疗知识图谱并填充数据列表；将医疗知识图谱和数据列表绑定获得医疗知识图谱内各数据的具体属性；将数据列表与医疗百科交互，实现每个数据内容详细说明的展示；通过条件过滤和直接选中目标点的方法显示局部关系图，实现可视查询。本发明可解决由于新的医疗内容不断被开拓，新的医疗标准不断被制定，医疗数据难以检索，数据之间复杂关系难以可视化的问题。
-
公开(公告)号：CN109918475A
公开(公告)日：2019-06-21
申请号：CN201910067727.4
申请日：2019-01-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于医疗知识图谱的可视查询方法及查询系统，包括以下步骤：通过查询生成器引导和提示用户，构建获得适用于用户的查询条件；根据获得的查询条件，搜索查询获得点数据信息和边数据信息；根据获得点数据信息和边数据信息，构建医疗知识图谱并填充数据列表；将医疗知识图谱和数据列表绑定获得医疗知识图谱内各数据的具体属性；将数据列表与医疗百科交互，实现每个数据内容详细说明的展示；通过条件过滤和直接选中目标点的方法显示局部关系图，实现可视查询。本发明可解决由于新的医疗内容不断被开拓，新的医疗标准不断被制定，医疗数据难以检索，数据之间复杂关系难以可视化的问题。
-
公开(公告)号：CN109875546A
公开(公告)日：2019-06-14
申请号：CN201910067724.0
申请日：2019-01-24
Applicant: 西安交通大学
IPC: A61B5/0402 , G06K9/62
Abstract: 本发明公开了一种面向心电图数据的深度模型分类结果可视化方法，包括：将心电图序列输入训练好的深度模型中，获得基准结果；通过遮挡区间抹除选定的心跳区间的信息，将没有选定心跳区间信息时的深度模型输出结果与深度模型输出的基准结果相比较，计算获得每一次心跳对于深度模型的影响因子ΔO；采用渐变色带将每一次心跳的影响因子ΔO可视化表示出来，实现深度模型分类结果的可视化。本发明通过分析宏观和微观两种粒度下心电图数据对于深度模型输出结果的影响，能够展示得到模型分类结果的关键证据，可增强模型输出的分类结果的可解释性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.026 seconds)
