-
公开(公告)号：CN108703741A
公开(公告)日：2018-10-26
申请号：CN201810290894.0
申请日：2018-03-30
Applicant: 西安交通大学
IPC: A61B5/00
Abstract: 一种多策略的NIRS干扰检测和去除方法，包含三个步骤：步骤一，干扰检测，用NIRS信号与加速度信号对干扰进行检测，将干扰分为三种类型，即轻度干扰、中度干扰、重度干扰，并在此基础上确认信号是否发生了基线突变；步骤二，严重干扰处理阶段，将中度干扰、重度干扰和基线突变用插值的方法进行去除；步骤三，小波双阈值干扰去除，得到干净的NIRS信号。本发明采用多种策略来检测NIRS信号中的干扰，适合于短时测量和长时监测等多个应用场景，同时将干扰分为不同的类型并予以不同的处理方式，最后根据检测阈值和处理阈值的双保险策略，可以在有效去除干扰的同时尽可能多地保留有用信息，相比于传统的NIRS干扰去除算法，具有准确性和可靠性都得到了提高。
-
公开(公告)号：CN109833031B
公开(公告)日：2020-08-14
申请号：CN201910185683.5
申请日：2019-03-12
Applicant: 西安交通大学
IPC: A61B5/00
Abstract: 一种基于LSTM利用多生理信号的自动睡眠分期方法，步骤一信号采集，采集被测者心电信号，呼吸信号和加速度信号；步骤二信号处理，步骤三提取用于分类的特征，步骤四模型构建，将人工提取的特征输入第一层长短时间记忆模型，将其输出概率作为新的特征与人工提取的特征一并输入第二层长短时间记忆模型，构建出用于不同分类任务的分类器，步骤五将训练好的模型用于睡眠分期的分类；本发明采用了多种生理信号，包括心电信号、胸腹呼吸信号、头部加速度信号，但是没有脑电信号，克服了将脑电用于睡眠分期所带来的弊端；同时采用了长短时间记忆模型，适合于大样本大数据，而且考虑到了睡眠事件时间上的相关性，提高了睡眠分期的准确性与可靠性。
-
公开(公告)号：CN109833031A
公开(公告)日：2019-06-04
申请号：CN201910185683.5
申请日：2019-03-12
Applicant: 西安交通大学
IPC: A61B5/00
Abstract: 一种基于LSTM利用多生理信号的自动睡眠分期方法，步骤一信号采集，采集被测者心电信号，呼吸信号和加速度信号；步骤二信号处理，步骤三提取用于分类的特征，步骤四模型构建，将人工提取的特征输入第一层长短时间记忆模型，将其输出概率作为新的特征与人工提取的特征一并输入第二层长短时间记忆模型，构建出用于不同分类任务的分类器，步骤五将训练好的模型用于睡眠分期的分类；本发明采用了多种生理信号，包括心电信号、胸腹呼吸信号、头部加速度信号，但是没有脑电信号，克服了将脑电用于睡眠分期所带来的弊端；同时采用了长短时间记忆模型，适合于大样本大数据，而且考虑到了睡眠事件时间上的相关性，提高了睡眠分期的准确性与可靠性。
-
公开(公告)号：CN108703741B
公开(公告)日：2019-04-09
申请号：CN201810290894.0
申请日：2018-03-30
Applicant: 西安交通大学
IPC: A61B5/00
Abstract: 一种多策略的NIRS干扰检测和去除方法，包含三个步骤：步骤一，干扰检测，用NIRS信号与加速度信号对干扰进行检测，将干扰分为三种类型，即轻度干扰、中度干扰、重度干扰，并在此基础上确认信号是否发生了基线突变；步骤二，严重干扰处理阶段，将中度干扰、重度干扰和基线突变用插值的方法进行去除；步骤三，小波双阈值干扰去除，得到干净的NIRS信号。本发明采用多种策略来检测NIRS信号中的干扰，适合于短时测量和长时监测等多个应用场景，同时将干扰分为不同的类型并予以不同的处理方式，最后根据检测阈值和处理阈值的双保险策略，可以在有效去除干扰的同时尽可能多地保留有用信息，相比于传统的NIRS干扰去除算法，具有准确性和可靠性都得到了提高。
-
-
-
Search Results
4
records
(took 0.015 seconds)
