-
公开(公告)号：CN118592967A
公开(公告)日：2024-09-06
申请号：CN202410795532.2
申请日：2024-06-19
Applicant: 鲁东大学 , 烟台新旧动能转换研究院暨烟台科技成果转移转化示范基地
IPC: A61B5/318 , A61B5/346 , A61B5/00 , G06F18/241 , G06F18/214 , G06N3/045 , G06N3/08 , G16H40/67 , H04L67/10 , H04L67/12
Abstract: 本发明公开了一种基于端‑边‑云架构的便携式智能心电监护系统。该系统由3个部分组成：端设备（心电监护仪）、边缘设备（智能手机）以及云设备（云服务器）。端设备负责采集用户实时的心电信号,并通过蓝牙发送给边缘设备；边缘设备接收到实时的心电信号，通过基于心电形态学的六边形识别算法检测是否存在异常心电信号，如果存在则通过5G发往云设备；云设备通过CNN‑LSTM模型更加精准的识别用户的健康状态并反馈给边缘设备。当边缘设备接收到的识别结果为患病时，则会向紧急联系人发送预警以及患病的位置。该系统为用户提供了一个更加便携高效的智能心电监护系统。
-
公开(公告)号：CN117649590A
公开(公告)日：2024-03-05
申请号：CN202311682254.1
申请日：2023-12-08
Applicant: 鲁东大学 , 烟台新旧动能转换研究院暨烟台科技成果转移转化示范基地
IPC: G06V10/82 , G06V10/44 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明属于医学数据识别技术领域，公开了一种基于位置回溯深度学习网络的心肌梗死识别算法。该算法提出了一种基于位置回溯深度学习网络PBDN(Position Backtracking Deep learning Network)的特征选择方法，采用PBDN获取深度学习模型对原始特征的回溯结果，然后将结果映射到第一象限y＝kx直线的斜率上，利用不同类别直线的斜率之和和每两条直线的夹角之和完成特征的最终评价，本申请在公开数据集PTB心电识别数据库上进行了仿真实验，结果表明，使用经过PBDN特征选择后的心肌梗死数据进行分类，准确率达到了99.5％以上，与其他的心肌梗死识别算法相比，本算法的识别率达到了令人满意的效果，并且训练时间和计算量大大的减少。
-
-
公开(公告)号：CN111063453B
公开(公告)日：2024-01-19
申请号：CN201811200508.0
申请日：2018-10-16
Applicant: 鲁东大学
Abstract: 本发明公开了一种心力衰竭早期检测方法，旨在将大数据与人工智能技术引入到医疗健康领域，发现各种疾病和综合症，挖掘有价值的信息，为心力衰竭的诊断和治疗提供系统决策。其技术要点是，通过云端平台收集患者的日常生理数据，提出了统一描述海量医疗数据特性并满足复杂语义的心电数据关联关系分析，和基于时间序列的生理指标相似性评估策略，从而进行心力衰竭的早期检测和预警。该方法使用从132例患者（47例失代偿事件和85例正常事件）收集的血压，呼吸频率，心率和体重等心电监测的生理数据，验证了所提方案特别适用于检测早期心力衰竭代偿失调，从而为用户提供高效、智能、个性化的服务。本发明适用于心力衰竭的早期检测，从而可以通过改变生活方式和药物干预等，有效延缓心力衰竭的发展。
-
公开(公告)号：CN111081334B
公开(公告)日：2023-04-18
申请号：CN201911305884.0
申请日：2019-12-18
Applicant: 鲁东大学
Abstract: 本发明公开了一种基于风险因素概率组合分析的慢性疾病早期预警方法，包括以下步骤：收集数据，确定该慢性疾病的风险因素的基准组合RFx，确定对该慢性疾病影响最大的x个风险因素，进一步确定最佳的风险因素组合。本发明的有益之处在于：(1)综合考虑了生理指征、环境因素、病史记录、生活习惯等多维数据，与目前疾病模型的构建越来越趋向多维度的研究趋势相符；(2)数据集包含不同类型人的记录，实验结果非常具有代表性；(3)选取与慢性疾病相关的风险因素的概率组合方法，具有很好的通用性，并且可以推广到其他国家和地区；(4)对未来可能发展成慢性疾病的大部分患者给予预警，对预防和控制慢性疾病具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN103366224B
公开(公告)日：2021-09-17
申请号：CN201310293407.3
申请日：2013-07-15
Applicant: 鲁东大学
Abstract: 本发明公开了一种基于公交网络的乘客需求预测系统和方法，该方法综合考虑非均匀性、突发性和周期性等因素，通过随时间变化的泊松模型，加权时间变化的泊松模型，综合自回归移动平均模型等预测模型和基于滑动窗口的整合框架最终得到公交网络中的乘客需求预测。本发明预测得到的乘客需求量能够为乘客提供更加便捷舒适的公交出行环境，如减少乘客的等车时间、避免公交车过度拥挤或者过度松散的情况。
-
公开(公告)号：CN109359534A
公开(公告)日：2019-02-19
申请号：CN201811064686.5
申请日：2018-09-12
Applicant: 鲁东大学
CPC classification number: G06K9/00201 , G06K9/6256 , G06N3/0454
Abstract: 本发明实施例提供了一种三维物体几何特征提取方法及系统，包括：根据目标三维物体的骨架曲线，获取所述骨架曲线的骨干和所述骨干一侧的节点；将所述骨干到所述骨干一侧的节点所包含的区域进行体素化得到体素化矩阵；将所述体素化矩阵输入训练好的基于超限学习机的卷积自动编码机网络，输出所述目标三维物体的几何特征。通过引入骨架曲线并仅对骨架曲线一侧的节点进行体素化，减少了基于超限学习机的卷积自动编码机网络中卷积神经网络阶段的卷积核数量，提取速度得到有效提高，同时提高了特征提取的准确度。
-
公开(公告)号：CN119888218A
公开(公告)日：2025-04-25
申请号：CN202411886027.5
申请日：2024-12-20
Applicant: 鲁东大学
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 为了解决实际应用中精确分割息肉区域困难的问题，本发明公开了一种集成DCNN和Transformer的息肉分割方法及系统。本发明通过使用DCNN来挖掘息肉图像中的局部信息，同时利用Transformer来捕获每个像素之间的关系，从而更好地理解图像中的上下文信息，借此实现息肉区域的精准分割。此外，针对医学图像中可能存在不同形状和大小的目标物体，我们还设计了一个三级特征融合模块来捕获图像内不同尺度的特征信息，并有效合并这些特征，从而提高分割精度。本发明可以实现息肉区域精确的分割，适用于手动分割息肉图像困难的场景。
-
公开(公告)号：CN111738335A
公开(公告)日：2020-10-02
申请号：CN202010577504.5
申请日：2020-06-23
Applicant: 鲁东大学
Abstract: 本发明公开了一种基于神经网络的时间序列数据异常检测方法，包括以下步骤：收集数据，基于神经网络的时间序列数据异常检测过程，异常检测方法的性能验证。本发明的有益之处在于：（1）异常检测器不对异常类型、异常模式的潜在机制做任何假设，但可以通过学习从训练数据集中获得相关概念；（2）异常检测器不需要选择阈值，避免了阈值设置的繁琐工作，从而可以获得良好的异常检测性能；（3）随着异常检测经验的积累，异常检测器不断进行动态改进，学习新的异常，从而增强其对异常检测的知识积累；（4）本发明所提的异常检测方法可以广泛应用于健康医疗、智能交通和大型生产系统等行业中的人体疾病监测、交通事故发现、设备故障诊断、网络入侵检测等众多领域。
-
公开(公告)号：CN119539068A
公开(公告)日：2025-02-28
申请号：CN202510104299.3
申请日：2025-01-23
Applicant: 鲁东大学
Abstract: 本发明公开了一种基于Double DQN的稀有关联规则挖掘方法，属于数据挖掘技术领域，该方法包括以下步骤：获取待挖掘数据的数据集，并对所述数据集进行预处理；构建基于Double DQN算法的稀有关联规则挖掘模型，预处理后的数据集作为所述稀有关联规则挖掘模型的环境；根据环境初始化生成状态变量；根据状态变量计算状态改变值；选择状态改变值最高的一项进行改变得到新的状态值，生成一个关联规则；基于关联规则产生奖励值。本发明将Double DQN应用到稀有关联规则挖掘中，提高了高稀有关联规则挖掘的效果和效率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.046 seconds)
