-
公开(公告)号：CN104847750A
公开(公告)日：2015-08-19
申请号：CN201510116684.6
申请日：2015-03-17
Applicant: 北京理工大学
Abstract: 本发明公开的一种电液复合式直线作动器，涉及一种推杆同时受到电机旋转驱动和液压直线驱动的高性能直线作动器，属于机电一体化技术领域。本发明包括电机、编码器、螺母、丝杠、推杆、内筒、外筒、液控口A和液控口B。所述的推杆同时受到电机旋转驱动和液压直线驱动，不仅兼具了液压缸和电动缸的技术优势，而且构成了具有冗余备份形式的驱动形式，大大提高了工作可靠性。本发明具有更好的控制性能、动力性能和能源利用率，控制形式灵活多样，通用性强，能够适应多种特殊或负载过大的工况。
-
公开(公告)号：CN118452907B
公开(公告)日：2025-05-23
申请号：CN202410553422.5
申请日：2024-05-07
Applicant: 北京理工大学
IPC: A61B5/145 , A61B5/00 , G16H50/30 , G06N3/0985 , G06F17/13 , G06N3/0442
Abstract: 本发明公开了一种基于生理信息高斯过程和元学习的餐后血糖预测系统，包括具有神经网络均值函数的高斯过程血糖预测模块、生理信息融合的优化模块以及元学习模块；具有神经网络均值函数的高斯过程血糖预测模块中的神经网络均值函数用于捕捉非线性葡萄糖动力学；生理信息融合的优化模块，将葡萄糖动力学的先验知识通过偏微分不等式描述，并以代价函数的形式嵌入到模型优化过程中；元学习模块，通过元学习方法提高模型的快速学习和泛化能力。本发明采用上述的一种基于生理信息高斯过程和元学习的餐后血糖预测系统，能够有效融入已知的血糖动态变化规律进行数据驱动学习，实现小样本下的个体化餐后血糖预测，并对预测结果的不确定性进行定量估计。
-
公开(公告)号：CN119758721A
公开(公告)日：2025-04-04
申请号：CN202411901345.4
申请日：2024-12-23
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于事件触发学习机制的高原供氧控制器及方法，属于高原供氧技术领域，包括血氧饱和度采集模块和供氧浓度的事件触发学习控制器模块；通过血氧饱和度采集模块获得血氧饱和度SpO2序列，根据氧离曲线方程计算得到动脉血氧分压PaO2序列；获得供氧浓度百分比FiO2；利用供氧浓度的事件触发学习控制器模块通过最小的二次型性能指标优化供氧浓度百分比FiO2。本发明采用上述的一种基于事件触发学习机制的高原供氧控制器及方法，为资源受限的高原低氧习服过程设计供氧控制器，从而有效地调节血氧饱和度，缓解低氧习服过程中出现的较强不良反应。
-
公开(公告)号：CN118452907A
公开(公告)日：2024-08-09
申请号：CN202410553422.5
申请日：2024-05-07
Applicant: 北京理工大学
IPC: A61B5/145 , A61B5/00 , G16H50/30 , G06N3/0985 , G06F17/13 , G06N3/0442
Abstract: 本发明公开了一种基于生理信息高斯过程和元学习的餐后血糖预测系统，包括具有神经网络均值函数的高斯过程血糖预测模块、生理信息融合的优化模块以及元学习模块；具有神经网络均值函数的高斯过程血糖预测模块中的神经网络均值函数用于捕捉非线性葡萄糖动力学；生理信息融合的优化模块，将葡萄糖动力学的先验知识通过偏微分不等式描述，并以代价函数的形式嵌入到模型优化过程中；元学习模块，通过元学习方法提高模型的快速学习和泛化能力。本发明采用上述的一种基于生理信息高斯过程和元学习的餐后血糖预测系统，能够有效融入已知的血糖动态变化规律进行数据驱动学习，实现小样本下的个体化餐后血糖预测，并对预测结果的不确定性进行定量估计。
-
公开(公告)号：CN118398194A
公开(公告)日：2024-07-26
申请号：CN202410484794.7
申请日：2024-04-22
IPC: G16H50/20 , G16B20/50 , G16B40/20 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于XGBoost算法的GCK‑MODY鉴别诊断系统，包括数据采集与预处理模块和基于XGBoost算法的分类模块；数据采集与预处理模块，将采集完成的糖尿病患者的葡萄糖数据和分类标签对应整理，对葡萄糖数据进行最大最小归一化处理；将最大最小归一化处理后的葡萄糖数据作为分类模块的输入，分类标签作为分类模块的输出，进行XGBoost模型训练；XGBoost模型通过梯度提升算法最小化损失函数，并通过正则化技术来防止过拟合进行训练。本发明采用上述一种基于XGBoost算法的GCK‑MODY鉴别诊断方法及系统，实现了对于葡萄糖变化时间序列的二分类，从而在2型和GCK‑MODY基因突变型糖尿病人的区分问题中获得具有较高的准确率。
-
Patent Agency Ranking
公开(公告)号：CN117373656B
公开(公告)日：2024-06-21
申请号：CN202311418707.X
申请日：2023-10-30
Applicant: 北京理工大学
IPC: G16H50/20 , G16H10/60 , G06F18/25 , G06F18/214 , G06F18/2321 , G06F18/24 , G06N5/04 , G06N7/01
Abstract: 本发明公开了一种基于异构数据的糖尿病弱监督分类方法，属于糖尿病类型诊断技术领域，包括：变分推理子模块，通过对去除冗余信息的静态指标数据构建高斯混合模型来拟合其分布，其后验概率分布用变分分布来近似，利用KL散度测量变分分布与后验概率的距离，最大化证据下界来求解最小KL散度，得到的潜在变量可反映出生理标志物数据的聚类归属；慢速对比学习子模块，通过对生理信号数据监测，利用慢特征分析方法挖掘动态监测数据的内在属性，形成正负样本对，构建基于慢速特征的慢速对比学习框架，学习生理信号的表征信息；证据集成模块对两个子模块结果通过改进的DS理论进行融合。本发明以在弱监督条件下构建多维互补特征与糖尿病类型间的映射关系。
-
公开(公告)号：CN117373656A
公开(公告)日：2024-01-09
申请号：CN202311418707.X
申请日：2023-10-30
Applicant: 北京理工大学
IPC: G16H50/20 , G16H10/60 , G06F18/25 , G06F18/214 , G06F18/2321 , G06F18/24 , G06N5/04 , G06N7/01
Abstract: 本发明公开了一种基于异构数据的糖尿病弱监督分类方法，属于糖尿病类型诊断技术领域，包括：变分推理子模块，通过对去除冗余信息的静态指标数据构建高斯混合模型来拟合其分布，其后验概率分布用变分分布来近似，利用KL散度测量变分分布与后验概率的距离，最大化证据下界来求解最小KL散度，得到的潜在变量可反映出生理标志物数据的聚类归属；慢速对比学习子模块，通过对生理信号数据监测，利用慢特征分析方法挖掘动态监测数据的内在属性，形成正负样本对，构建基于慢速特征的慢速对比学习框架，学习生理信号的表征信息；证据集成模块对两个子模块结果通过改进的DS理论进行融合。本发明以在弱监督条件下构建多维互补特征与糖尿病类型间的映射关系。
-
公开(公告)号：CN116705230A
公开(公告)日：2023-09-05
申请号：CN202310709116.1
申请日：2023-06-15
Applicant: 北京理工大学
Abstract: 本发明公开了具有胰岛素灵敏度自适应估计的MDI决策系统及方法，包括胰岛素灵敏度自适应估计及血糖预测模块、剂量决策模块、通信与传输模块、数据存储及可视化模块、患者信息录入模块；胰岛素灵敏度自适应估计及血糖预测模块、剂量决策模块、数据存储及可视化模块、患者信息录入模块均搭载于移动设备上，移动设备经通信传输模块分别与用于持续监测患者血糖的血糖持续监测设备和胰岛素注射设备相通讯。本发明采用上述具有胰岛素灵敏度自适应估计的MDI决策系统及方法，通过具有胰岛素灵敏度估计的血糖控制算法完成餐前和基础胰岛素剂量推荐，建立本地数据库实现数据存储和数据可视化，收集患者的必要信息以辅助决策，实现面向患者需求的系统集成设计。
-
公开(公告)号：CN116527060A
公开(公告)日：2023-08-01
申请号：CN202310612606.X
申请日：2023-05-29
Applicant: 北京理工大学
Abstract: 本发明公开了基于事件触发采样的信息压缩与异常检测方法，包括以下步骤：S1、确定系统数据采样事件触发条件和阈值，完成测量变量的数据采样；S2、根据事件触发采样测量变量，设计事件触发卡尔曼滤波器重构数据；S3、利用残差分析数据进行故障检测。本发明采用上述基于事件触发采样的信息压缩与异常检测方法，可在减小传输信道传输压力的基础上，对采样后的数据进行了数据重构，并根据重构数据进行系统的故障检测，保证了后续系统性能分析的准确性和安全性。
-
公开(公告)号：CN115691788A
公开(公告)日：2023-02-03
申请号：CN202211339943.8
申请日：2022-10-27
Applicant: 北京理工大学
IPC: G16H50/20 , G06F18/241 , G06N3/049 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于异构数据的双重注意力耦合网络糖尿病分类系统，该系统基于双重注意力的LSTM‑CNN耦合网络,构造一种自适应地调整不同数据源重要性的融合方法,来学习和集成异构数据中的特征，解决了机器学习的糖尿病诊断问题中，数据的复杂和高度不稳定的问题；在FGM子网络中嵌入卷积块注意力模块(Convolutional Block Attention Module，CBAM)，为复杂序列的学习引入注意力模块来表达对特定位置的信息偏好，显著提高了网络学习性能；利用真实医学临床数据对本发明提出的系统进行了验证，基于60名受试者的真实实验数据，糖尿病类型的分类准确率达到95.835％，Matthews相关系数、F1值和G‑mean等综合性能指标分别为91.333％、94.939％和94.937％。所提方法的结果优于所有基准方法的结果，表明了糖尿病类型分类的可行性。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.042 seconds)
