-
公开(公告)号：CN119867771A
公开(公告)日：2025-04-25
申请号：CN202411760779.7
申请日：2024-12-03
Applicant: 郑州大学 , 郑州大学第一附属医院
IPC: A61B5/318 , A61B5/346 , A61B5/00 , G06F18/2431 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/049 , G06N3/0895 , G06F123/02
Abstract: 本发明属于心电时序数据处理技术领域，公开了一种基于时频增强的自监督对比学习的心电异常检测方法，包括以下步骤：获取心电信号的频率样本数据，经时频转换得到时间样本数据；获得时间编码序列和频率编码序列；建立时频内对比学习卷积神经网络模型，用正样本对训练时频内对比学习卷积神经网络模型；建立时频间对比学习卷积神经网络模型，用正样本对训练时频间对比学习卷积神经网络模型；以总损失函数指导模型收敛，得到训练后的时频内对比学习卷积神经网络模型和时频间对比学习卷积神经网络模型；采集实时心电信号，按照上述步骤进行心电信号异常检测。本发明通过时频内和时频间对比学习机制，提高了心电异常检测的准确性。
-
公开(公告)号：CN112450944B
公开(公告)日：2022-10-21
申请号：CN202011459650.4
申请日：2020-12-11
Applicant: 郑州大学 , 河南云心电网络科技有限公司
Abstract: 本发明公开了一种标签相关性引导特征融合的心电图多分类预测系统与方法。系统包括：标签粗糙分类模块，用于根据历史数据中心电图异常标签出现频率，确定心电图标签第一优先级组以及剩余心电图标签集合；标签相关性分析模块与标签精细分类模块，用于进行标签相关性分析，将剩余心电图标签集合划分为多个心电图标签优先级组；原始特征提取模块，用于利用神经网络主体结构对输入的心电图进行特征提取得到原始特征张量；心电图多分类预测模块，用于进行心电图分类。利用本发明，大大提高了心电图分类准确率。
-
公开(公告)号：CN111568408A
公开(公告)日：2020-08-25
申请号：CN202010445860.1
申请日：2020-05-22
Applicant: 郑州大学
IPC: A61B5/0402 , A61B5/0452
Abstract: 本发明涉及一种可归因特征与Adboost+RF算法融合的心搏智能分类方法，包括以下步骤：S1、采用连续小波变化去除心电信号中的噪声；S2、对经过步骤S1处理后的心电信号进行特征提取，并将提取到的特征按类别建立以下数据集：集合A＝{235单心搏形态特征}，集合B＝{470单心搏形态特征}，集合C＝{P波，QRS波，T波，PR段，ST间期，QT间期，RR间期}，集合D＝{QRS面积}，集合E＝{小波系数}；S3、将步骤S2中的数据集中的任一个集合或任意多个集合的组合输入到训练好的Adboost+RF模型中进行心搏分类；本发明具有心搏分类效率高、区分精度高的优点。
-
公开(公告)号：CN108888263A
公开(公告)日：2018-11-27
申请号：CN201810497939.1
申请日：2018-05-22
Applicant: 郑州大学
IPC: A61B5/0456
CPC classification number: A61B5/0456
Abstract: 本发明涉及一种基于几何形态群组特征的R波检测方法，首先采用由FIR低通滤波器和中值滤波器构成滤波器组对输入心电信号(ECG)集合V进行信号预处理；然后对集合V中的所有数值进行取绝对值运算，把运算后的值存入集合V′中，再对集合V′中所有值做一阶差分运算，把结果存入数组U；接着确定数组U的几何形态的起始点Gs，峰值点Gp，结束点Ge存入数组D中；确定数组D中的几何形态Ci存入数组C；计算集合V′中的每点几何特征值Kdot；算出连续四点几何特征值的均值后再计算Kgs值存入数组K；接下来选出候选R波，最后确定有效R波，将其存入数组R，输出即为R波位置的集合；本发明具有监测准确率高、监测过程简便、自适应性强、普适性高的优点。
-
公开(公告)号：CN105335553A
公开(公告)日：2016-02-17
申请号：CN201510635991.5
申请日：2015-09-30
Applicant: 郑州大学
IPC: G06F17/50
CPC classification number: G06F17/5036
Abstract: 本发明提供轻量级三维仿真教学平台构建方法，改善了土石坝教学与演示系统对水利课程教学的弊端；其方案是，包括以下步骤：步骤一：对土石坝原型基本构件结构进行划分成土石坝构件；步骤二：对土石坝构件进行细化成细化部件；步骤三：细化部件进行参数化，建立细化部件数据库；步骤四：利用CATIA对土石坝建立三维模型，并将所述三维模型转换为3DXML格式文件，同时将所述三维模型的参数信息保存为BOM信息表；步骤五：利用ADO.NET技术将3DXML信息与虚拟教学和演示平台进行数据交互；步骤六：对3DXML Player浏览器二次开发，使虚拟教学模型进行交互演示。本发明利用土石坝教学与演示系统，改善了水利课程教学的弊端，极大地提高学生的学习兴趣和学习效率，提高学习成果。
-
Patent Agency Ranking
公开(公告)号：CN101854535B
公开(公告)日：2011-10-05
申请号：CN200910064535.4
申请日：2009-03-31
Applicant: 郑州大学
Abstract: 本发明公开了一种嵌入式视频编码器量化方法，它通过构造移位量化矩阵，将移位操作代替了除法操作，包括以下步骤：①构造移位量化矩阵Q1＝2n+4/(Q[i，j]Kq)，其中Q[i，j]为视觉量化矩阵，Kq为量化因子，n为移位的位数；②设定量化因子Kq和视觉量化矩阵Q[i，j]的取值范围，α1≤Kq≤α2，β1≤Q[i，j]≤β2，则n∈Z+；③进行量化，其量化结果为y＝32x/(2Q[i，j]Kq)＝(2n+4x/(Q[i，j]Kq))＞＞n，x为待量化的系数，“＞＞”为位右移运算符。采用上述技术方案的本发明，通过构造出的移位量化矩阵，将量化过程中的除法操作变成移位操作，实现了快速的一步量化。对不同的视频编码块类型，采用不同的量化策略，避免了统一量化引起的图像质量降低；选用适合DSP的MPEG-4误配控制算法用于反量化，有效地提高了编码器的整体效率。
-
公开(公告)号：CN101854535A
公开(公告)日：2010-10-06
申请号：CN200910064535.4
申请日：2009-03-31
Applicant: 郑州大学
Abstract: 本发明公开了一种嵌入式视频编码器量化方法，它通过构造移位量化矩阵，将移位操作代替了除法操作，包括以下步骤：①构造移位量化矩阵Q1＝2n+4/(Q[i，j]Kq)，其中Q[i，j]为视觉量化矩阵，Kq为量化因子，n为移位的位数；②设定量化因子Kq和视觉量化矩阵Q[i，j]的取值范围，α1≤Kq≤α2，β1≤Q[i，j]≤β2，则n∈Z+；③进行量化，其量化结果为y＝32x/(2Q[i，j]Kq)＝(2n+4x/(Q[i，j]Kq))＞＞n，x为待量化的系数，“＞＞”为位右移运算符。采用上述技术方案的本发明，通过构造出的移位量化矩阵，将量化过程中的除法操作变成移位操作，实现了快速的一步量化。对不同的视频编码块类型，采用不同的量化策略，避免了统一量化引起的图像质量降低；选用适合DSP的MPEG-4误配控制算法用于反量化，有效地提高了编码器的整体效率。
-
公开(公告)号：CN101854524A
公开(公告)日：2010-10-06
申请号：CN200910064533.5
申请日：2009-03-31
Applicant: 郑州大学
IPC: H04N7/24
Abstract: 本发明公开了一种甚低码率视频编码器视频控制方法，它包括I帧码率控制方法和P帧码率控制方法，所述的I帧码率控制方法包括以下步骤：①建立二阶率失真模型；②求取初始量化值；③对目标位数进行分配；④求取量化值。本发明提出一种甚低码率视频编码器码率控制策略，该策略引入二阶码率控制模型实现I帧码率控制，以及引入二阶率失真模型，对I帧码率控制算法中的初始量化值选取、目标位数分配和量化值求取进行了改进。同时改进了原有算法量化值调整策略，使码率控制算法在场景变化时分配合适的量化值。本发明与VMx相比明显提高了码率控制的精度、降低了输出缓冲区延迟、提高了重建图像的整体质量，并且改进了P帧的码率控制算法。
-
公开(公告)号：CN119653386A
公开(公告)日：2025-03-18
申请号：CN202411546433.7
申请日：2024-11-01
Applicant: 郑州大学
Abstract: 本发明提供了一种自适应边缘服务器放置与动态调整优化方法，首先获取区域内所有基站的位置，并随机生成所有服务器的位置；其次智能体根据服务器的动态位置信息生成状态特征；然后智能体根据状态特征决定要选择移动的服务器和移动的方向；计算出该方向的所有基站的距离矩阵，并依据距离矩阵得出服务器所要移动到的位置。最后根据移动后的服务器信息和动态基站信息计算出当前系统中的延迟和负载作为奖励，反馈更新智能体的决策网络。本发明适用于移动边缘计算场景下的动态服务器放置问题，通过感知实时基站特征，动态调整服务器位置，提供有效的负载均衡策略的同时降低了系统的延迟。
-
公开(公告)号：CN118845028A
公开(公告)日：2024-10-29
申请号：CN202410908948.0
申请日：2024-07-08
Applicant: 郑州大学
IPC: A61B5/318 , G06F18/2433 , G06F18/241 , G06F18/214 , G06F18/22 , G06N3/0464 , G06N3/0895 , A61B5/346 , A61B5/00
Abstract: 本发明涉及心电信号分类、多标签学习、半监督学习、伪标签学习和表征学习技术领域，特别涉及一种半监督多标签心电异常事件识别方法及系统，利用有标记心电数据预训练教师心电分类模型，随后对心电数据进行数据增广；基于预训练后的教师模型提取弱增广后的数据集的特征和预测向量作为元素，以此构建特征‑标签记忆模块；基于全局和局部类别相关性，伪标签生成模块生成无标记心电数据伪标签；基于双边界阈值策略，伪标签筛选模块筛选出高质量伪标签；利用心电一致性学习模块学习心电数据的类内特征。本发明在有标记心电数据样本量稀疏的场景下，可以有效识别各类心电异常事件。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.02 seconds)
