-
公开(公告)号：CN115132364A
公开(公告)日：2022-09-30
申请号：CN202211022188.0
申请日：2022-08-25
Applicant: 首都医科大学附属北京同仁医院 , 北京航空航天大学
Abstract: 本申请涉及智能可穿戴设备技术领域，公开了一种近视风险确定方法、装置、存储介质、电子设备以及可穿戴设备。所述方法包括：确定目标用户在预设周期内满足第一预设条件的眯眼事件次数和满足第二预设条件的闭眼事件次数以及近视风险预警值；根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险。方便用户在日常生活中就能方便快捷的实现早期近视风险检测，从而有效帮助早期近视的筛查，有助于医师及早介入诊疗，对于遏制近视发展进程具有重要意义。
-
公开(公告)号：CN119943402A
公开(公告)日：2025-05-06
申请号：CN202510076727.6
申请日：2025-01-17
Applicant: 首都医科大学附属北京同仁医院 , 北京爱诺斯科技有限公司
IPC: G16H50/30 , G16H50/70 , G16H10/20 , G06F18/23213 , G06F18/2415 , G06F18/243 , G06F18/26 , G06F18/27 , G06N7/01 , G06N5/01 , G06N20/20
Abstract: 本发明具体公开了一种用于儿童近视预测的方法及系统，该方法包括：设置视力影响数据库和近视预测模型；对所述视力影响数据库中的数据进行分析处理，以建立视力影响因素问题库；使用特征匹配算法从所述视力影响因素问题库中提取多个问卷项目，以进行组合调整得到数据采集问卷；通过所述数据采集问题采集受检人对应的视力影响数据，并输入所述近视预测模型进行视力预测。本发明能指导儿童近视的干预，及时根据视力变化趋势介入近视诊疗，减少高度近视的发生，提高儿童的视力健康。
-
公开(公告)号：CN115952450A
公开(公告)日：2023-04-11
申请号：CN202310237594.7
申请日：2023-03-14
Applicant: 首都医科大学附属北京同仁医院
IPC: G06F18/2413 , A61B5/00 , G06F18/2431 , G06F18/2135 , G06F18/214
Abstract: 本发明提供一种睡眠呼吸暂停综合征识别方法、装置、计算机和存储介质，该方法包括采集获取多个用户的各类的样本生理信号；将各类的样本生理信号输入至基于Mallat分解的特征提取模型进行特征提取，得到信号特征；基于各信号特征建立能量特征数据集；使用能量特征数据集对K最近邻模型进行训练，得到用于识别睡眠呼吸暂停综合征的分类模型。在采集得到用户的身体的各种样本生理信号后，利用基于Mallat分解的特征提取模型提取信号特征，利用能量特征数据集合对K最近邻模型进行训练，得到能够识别睡眠呼吸暂停综合征的分类模型，不仅识别出识别睡眠呼吸暂停综合征，还识别出识别睡眠呼吸暂停综合征的种类，识别更为高效、更为准确。
-
公开(公告)号：CN115137313B
公开(公告)日：2022-11-18
申请号：CN202211050549.2
申请日：2022-08-31
Applicant: 首都医科大学附属北京同仁医院
Abstract: 本申请涉及睡眠质量和近视风险评估技术领域，提供了同时针对睡眠质量以及近视风险的评估方法及装置。该方法包括：获取手腕运动数据、脉搏血氧饱和度数据、褪黑素数据和多巴胺数据，手腕运动数据包括至少两种运动子数据；基于运动子数据和脉搏血氧饱和度数据生成交叉比值数据；将上述数据输入预先训练的综合评估模型，生成当前时间的近视风险评估结果和睡眠状态信息，并保存睡眠状态信息；获取目标睡眠周期中各时间对应的多个睡眠状态信息，生成睡眠质量评估结果。本申请实施例一方面大大增加了对睡眠质量评估和近视风险预测的精准度，另一方面，通过将上述数据导入预设的综合模型进行机器学习，可以同时对睡眠质量和近视风险进行评估及预测。
-
公开(公告)号：CN115120217B
公开(公告)日：2022-11-25
申请号：CN202211022189.5
申请日：2022-08-25
Applicant: 首都医科大学附属北京同仁医院 , 北京航空航天大学
Abstract: 本申请涉及心率检测技术领域，公开了一种运动伪影去除方法，应用于配置有PPG传感器的可穿戴设备，所述方法包括：获取PPG传感器检测的目标用户的心率信息和运动姿态数据；通过训练好的深度学习模型去除所述心率信息中的运动伪影，得到去除运动伪影后的目标基准心率信息，其中，所述深度学习模型表征心率信息、运动姿态数据与去除运动伪影后的基准心率信息之间的关系。通过采用无规则运动下的数据对生成对抗网络模型进行训练，可以有效去除不规则运动状况下的运动伪影，在完成前期的深度学习模型的训练后，只需要PPG传感器与惯性检测单元便可对PPG传感器测的心率信息进行运动伪影的滤除。可以很方便地应用于现有的可穿戴设备上，具有良好的兼容性。
-
Patent Agency Ranking
公开(公告)号：CN115137314B
公开(公告)日：2022-11-15
申请号：CN202211068299.5
申请日：2022-09-02
Applicant: 首都医科大学附属北京同仁医院
Abstract: 本公开涉及近视风险评估技术领域，提供了近视风险评估方法、装置及穿戴设备。该方法包括：获取当前时间的环境光强度数据、身体激素数据和交感神经兴奋度数据；将环境光强度数据、身体激素数据和交感神经兴奋度数据输入预先训练的近视风险评估模型，得到近视风险评估结果，其中，所述近视风险评估模型基于已知近视风险对应的环境光强度数据、身体激素数据和交感神经兴奋度数据训练得到。本公开实施例可以通过对环境光强度数据、身体激素数据（如褪黑素和/或多巴胺）和交感神经兴奋度数据的采集和处理，实现激素分泌时间的外部环境刻画，进而对身体激素数据（如褪黑素和/或多巴胺）进行综合监测，大大增加预测近视风险的精准度。
-
公开(公告)号：CN115137313A
公开(公告)日：2022-10-04
申请号：CN202211050549.2
申请日：2022-08-31
Applicant: 首都医科大学附属北京同仁医院
Abstract: 本申请涉及睡眠质量和近视风险评估技术领域，提供了同时针对睡眠质量以及近视风险的评估方法及装置。该方法包括：获取手腕运动数据、脉搏血氧饱和度数据、褪黑素数据和多巴胺数据，手腕运动数据包括至少两种运动子数据；基于运动子数据和脉搏血氧饱和度数据生成交叉比值数据；将上述数据输入预先训练的综合评估模型，生成当前时间的近视风险评估结果和睡眠状态信息，并保存睡眠状态信息；获取目标睡眠周期中各时间对应的多个睡眠状态信息，生成睡眠质量评估结果。本申请实施例一方面大大增加了对睡眠质量评估和近视风险预测的精准度，另一方面，通过将上述数据导入预设的综合模型进行机器学习，可以同时对睡眠质量和近视风险进行评估及预测。
-
公开(公告)号：CN116236151A
公开(公告)日：2023-06-09
申请号：CN202211620978.9
申请日：2022-12-16
Applicant: 首都医科大学附属北京同仁医院
IPC: A61B3/16 , A61B5/0205 , A61B5/1455 , A61B5/00
Abstract: 本发明公开了一种青光眼疾病风险的可穿戴检测方法及装置，属于青光眼检测领域；所述的方法具体步骤如下：S1获取手环佩戴的用户运动姿态、光电容积脉搏波信号和光照信息；S2通过光电容积脉搏波信号计算得出心率、血氧、血压信息，并将用户运动姿态、心率、血氧、血压和光照数据信息传递至青光眼风险识别模型；S3利用青光眼风险识别模型，将用户运动姿态、心率、血氧、血压和光照数据信息进行整合、解析，得到用户患有青光眼疾病的概率；使患者无需抽血，无需到医院进行眼压检查，即可在日常生活实现青光眼疾病风险检测，从而有效帮助青光眼疾病的筛查，有助于医师及早介入诊疗，对于遏制青光眼疾病的发展具有重要意义。
-
公开(公告)号：CN115952449A
公开(公告)日：2023-04-11
申请号：CN202310237550.4
申请日：2023-03-14
Applicant: 首都医科大学附属北京同仁医院
IPC: G06F18/2411 , A61B5/00 , G06F18/213 , G06F18/214 , G06N3/0455
Abstract: 本发明提供一种睡眠阶段监测方法、装置、计算机和存储介质，该方法包括获取人体的各类样本生理信息；通过改进SAE模型对各类所述样本生理信息进行特征提取与重构，获得重构特征；根据所述重构特征生成特征数据集；将所述特征数据集输入至SVM模型对所述SVM模型进行训练，得到用于识别睡眠阶段的分类模型。在采集得到用户的身体的各种样本生理信息后，通过改进SAE模型对各类所述样本生理信息进行特征提取与重构，获得重构特征，并且利用SVM模型对基于重构特征生成的特征数据集进行训练，从而得到能够识别睡眠阶段的分类模型，基于该能够识别睡眠阶段的分类模型能够监测用户各个睡眠阶段的时长并评估用户的睡眠状态，有效预防睡眠障碍疾病。
-
公开(公告)号：CN115281621A
公开(公告)日：2022-11-04
申请号：CN202211194693.3
申请日：2022-09-29
Applicant: 首都医科大学附属北京同仁医院
Abstract: 本发明公开了一种青光眼疾病风险的可穿戴检测方法及装置，属于青光眼检测领域；所述的方法具体步骤如下：S1获取手环佩戴的压力值、用户运动姿态、心率、血氧数据和光照信息；S2利用脉搏传递时间PTT，将获取的心率、血氧数据信息计算得到血压数据信息；S3利用青光眼风险识别模型，将手环获取的佩戴信息与血压数据信息进行整合分析、评估；使患者无需抽血，无需到医院进行眼压检查，即可在日常生活实现青光眼疾病风险检测，从而有效帮助青光眼疾病的筛查，有助于医师及早介入诊疗，对于遏制青光眼疾病的发展具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.06 seconds)
