公开(公告)号：CN116504393A

公开(公告)日：2023-07-28

申请号：CN202310686792.1

申请日：2023-06-09

Applicant: 山东大学

Inventor： 姬冰 ,  季心宇 ,  曾玮 ,  张玉岩 ,  司萌 ,  马鹤成 ,  丛梦琳

IPC: G16H50/20 ,  G16H50/30 ,  G06F18/15 ,  G06F18/213 ,  G06F18/25 ,  G06F18/214 ,  G06F18/21 ,  G06T7/00 ,  G06V10/25 ,  G06V10/42 ,  G06V10/54 ,  G06F123/02

Abstract: 本发明提出了基于多模态数据的脊髓型颈椎病运动功能辅助评估系统，包括：数据获取模块，用于获取待评估对象的多模态数据，包括颈部图像数据、人体步态时间序列数据，以及包含人行走过程中运动特点的视频数据；数据预处理模块，用于对获取到的多模态数据分别进行预处理；特征提取模块，用于提取待评估对象预处理后时间序列数据数据和图像数据中包含的各类特征；分层评估模块，用于对不同采集环境下获取的数据类型选择精细程度不同的模式进行评估；运动功能评估模块，用于对待评估对象的运动功能水平进行评估。

公开(公告)号：CN114927220A

公开(公告)日：2022-08-19

申请号：CN202210610322.2

申请日：2022-05-31

Applicant: 山东大学

Inventor： 姬冰 ,  张玉岩 ,  苏雯菁 ,  司萌 ,  曾玮 ,  程雷

IPC: G16H50/20 ,  G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及医学图像处理技术领域，公开了一种脊髓型颈椎病和帕金森病的鉴别诊断系统，包括：数据获取模块，用于获取待诊断对象的多模态数据；数据预处理模块，用于对每种模态的数据分别进行预处理操作；鉴别诊断模块，用于将预处理的数据输入脊髓型颈椎病和帕金森病鉴别诊断模型；其中，脊髓型颈椎病和帕金森病鉴别诊断模型包括依次连接的特征提取模块和分类器，特征提取模块由多层深度卷积神经网络组成，每一层的深度卷积神经网络输入一种模态数据，进行特征提取，所有层的深度卷积神经网络输出的特征向量进行特征融合后，共同输入分类器输出预测结果。通过聚合多源数据的信息，能够准确鉴别脊髓型颈椎病和帕金森病。

公开(公告)号：CN119454006A

公开(公告)日：2025-02-18

申请号：CN202411665713.X

申请日：2024-11-20

Applicant: 山东大学

Inventor： 姬冰 ,  孙圆圆 ,  司萌 ,  曾玮 ,  杨青 ,  宋锐

IPC: A61B5/11 ,  G16H50/20 ,  G16H50/70 ,  G06F18/213 ,  G06F18/241 ,  G06F18/25 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明属于基于步态分析的疾病诊断技术领域，公开了一种基于特征交互再平衡的步态分析疾病诊断方法及系统，包括对步态数据进行特征提取，获得局部特征和全局特征，对二者进行交叉增强，对其结果进行拼接操作，利用拼接结果进行分类预测，获得分类结果，计算分类结果与真实标签之间的交叉熵损失，计算加权局部特征以及加权全局特征与原型向量之间的原型交叉熵损失，计算相似性矩阵及其转置矩阵与真实标签的相似性损失；将损失进行加权组合，获得模型的总损失函数，对模型进行训练。本发明同时学习关节内和关节间耦合关系，通过对齐跨域特征来减少跨域特征分布差异，同时平衡跨域提取器的拟合速度，为疾病诊断提供了有效、客观的基于步态的参考。

公开(公告)号：CN114743664A

公开(公告)日：2022-07-12

申请号：CN202210213687.1

申请日：2022-03-04

Applicant: 山东大学

Inventor： 姬冰 ,  代启航 ,  曾玮 ,  司萌 ,  季心宇 ,  张玉岩 ,  马鹤成 ,  丛梦琳 ,  程雷

IPC: G16H50/20 ,  G16H50/70 ,  G06V40/20 ,  G06V10/82 ,  G06V10/764 ,  G06N3/04

Abstract: 本发明公开了一种基于步态分析和确定学习的脊髓型颈椎病辅助诊断系统，包括：动作捕捉系统，包括多个摄像头，用于对关节处粘贴标识物的受试者进行运动数据采集；辅助诊断系统，用于获取受试者的下肢运动数据，并提取步态特征；基于预先训练得到的脊髓型颈椎病辅助诊断模型，判断是否患病；其中，所述辅助诊断模型基于确定学习理论构建。本发明结合确定性学习理论和提取特征的新模型来识别和分类脊髓型颈椎病患者步态模式的非线性动力学，具有较高的精度。

公开(公告)号：CN116504393B

公开(公告)日：2024-04-26

申请号：CN202310686792.1

申请日：2023-06-09

Applicant: 山东大学

Inventor： 姬冰 ,  季心宇 ,  曾玮 ,  张玉岩 ,  司萌 ,  马鹤成 ,  丛梦琳

IPC: G16H50/20 ,  G16H50/30 ,  G06F18/15 ,  G06F18/213 ,  G06F18/25 ,  G06F18/214 ,  G06F18/21 ,  G06T7/00 ,  G06V10/25 ,  G06V10/42 ,  G06V10/54 ,  G06F123/02

Abstract: 本发明提出了基于多模态数据的脊髓型颈椎病运动功能辅助评估系统，包括：数据获取模块，用于获取待评估对象的多模态数据，包括颈部图像数据、人体步态时间序列数据，以及包含人行走过程中运动特点的视频数据；数据预处理模块，用于对获取到的多模态数据分别进行预处理；特征提取模块，用于提取待评估对象预处理后时间序列数据数据和图像数据中包含的各类特征；分层评估模块，用于对不同采集环境下获取的数据类型选择精细程度不同的模式进行评估；运动功能评估模块，用于对待评估对象的运动功能水平进行评估。