-
公开(公告)号：CN118133188A
公开(公告)日：2024-06-04
申请号：CN202410417179.4
申请日：2024-04-09
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东科技大学
IPC: G06F18/2431 , A61B5/318 , A61B5/346 , A61B5/00 , G06F18/214 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 一种基于对比学习和CHNet模型的心电分类方法，涉及心电信号分类领域，首先无标签心电信号经由预处理操作之后得到采样频率、采样点数规格统一的信号，信号传入数据增强层经由两种不同信号的增强组合分别得到增强后的信号，借助CHNet神经网络分别重新编码先前得到的增强信号编码，进行通过设计的对比损失函数计算两种增强信号编码之前的差距，即不同类别之间使其差距更大相同类别之间差距更小。根据损失之间的差异更新CHNet模型，最后添加线性层实现对心电信号的分类。
-
公开(公告)号：CN117338310B
公开(公告)日：2024-04-09
申请号：CN202311523667.5
申请日：2023-11-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346
Abstract: 一种基于对比学习和多尺度特征提取的心电信号分类方法，涉及心电信号分类技术领域，SE‑ResNeXt‑CAN网络模型由浅层特征提取模块、第一SERM模块、第二SERM模块、第一CARM模块、第二CARM模块构成，SE‑ResNeXt‑CAN网络模型通过多个模块的组合和优化，自适应地学习各个通道之间的关联性，扩大感受野，充分捕捉关键特征，提升了心电信号分类任务的性能和泛化能力。
-
公开(公告)号：CN117746030A
公开(公告)日：2024-03-22
申请号：CN202311611079.7
申请日：2023-11-29
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC: G06V10/26 , G06V10/82 , G06N3/0895 , G06N3/096
Abstract: 一种基于多任务联合学习的一致性半监督心脏图像分割方法，涉及医学图像分割技术领域，使用一致性策略以更好利用无标签样本的多任务输出，其中包含SDM预测任务，分割任务、和重建任务，以便模型能够考虑数据、模型、任务层面的一致性，促使模型学习更多分割区域的特征信息，提升分割精度。总之，模型将多个任务的输出映射到同一个预测空间中，并通过多个任务在预测空间的表征差异来构建一致性正则化损失函数，使得多个任务的预测结果趋于一致。因此，该模型的多个分支能够联合学习不同的层次特征图的不同表征，从而获得更好的分割效果。
-
公开(公告)号：CN116563265B
公开(公告)日：2024-03-01
申请号：CN202310582599.3
申请日：2023-05-23
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
Abstract: 一种基于多尺度注意力和自适应特征融合的心脏MRI分割方法，有效提取多尺度上下文信息并通过注意力机制来融合不同尺度的特征，加强对目标区域的敏感度。通过不同膨胀率的膨胀卷积在不降低分辨率的情况下获取不同尺寸的感受野，提取多尺度目标特征。对包含丰富的空间信息的浅层特征和包含丰富的语义信息的深层特征进行融合，可以抑制无关背景的干扰，保留更重要的语义上下文信息进行更精确的定位。
-
公开(公告)号：CN116612211B
公开(公告)日：2024-02-02
申请号：CN202310505074.X
申请日：2023-05-08
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06T11/60 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/0455
-
Patent Agency Ranking
公开(公告)号：CN116509415B
公开(公告)日：2024-01-26
申请号：CN202310431752.2
申请日：2023-04-21
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于信号分量的单元化形态学特征的降噪方法，对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别，并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显，可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好，对不同类型的心电信号降噪性能同样有效。
-
公开(公告)号：CN116226763B
公开(公告)日：2023-10-03
申请号：CN202310195187.4
申请日：2023-03-03
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2431 , A61B5/318 , A61B5/346 , A61B5/00 , G06F18/213 , G06F18/10 , G06F18/25 , G06N3/08 , G06N3/0464 , G06N3/048
Abstract: 一种基于改进型注意力机制的多标签心电信号分类方法，使用一种基于改进型注意力机制的多标签心电信号分类方法，构建了一个能够对多标签多导联心电信号进行分类的模型，利用该模型强大的对心电数据的学习能力，能让计算机充分提取心电信号的特征，构建数据处理通道模型，从而有效的对多标签多导联心电信号进行分类，提高了分类的准确率和精度。
-
公开(公告)号：CN116645585A
公开(公告)日：2023-08-25
申请号：CN202310590867.6
申请日：2023-05-24
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06V10/82 , G06V10/422 , G06V10/44 , G06V10/774 , G06V10/766
Abstract: 一种基于异构图神经网络的机械臂碰撞检测方法，使用图表示机械臂和障碍物，并构造连通图交换其几何信息。图是一种更直接的结构，可以存储和表示结构信息。在这个图中，节点为我们提取的机械臂和障碍物几何形状的顶点，边代表我们机械臂和障碍物各自内部几何形状的边以及我们构造连通图时添加的边。考虑到连通图中边的不同，以及异构图更强的描述能力，使用异构图编码两个物体之间的结构关系，通过消息传递捕获连通图内机械臂和障碍物之间的空间关系，其检测精度相对于以往方法大大提高。
-
公开(公告)号：CN116509415A
公开(公告)日：2023-08-01
申请号：CN202310431752.2
申请日：2023-04-21
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于信号分量的单元化形态学特征的降噪方法，对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别，并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显，可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好，对不同类型的心电信号降噪性能同样有效。
-
公开(公告)号：CN116383649A
公开(公告)日：2023-07-04
申请号：CN202310340465.0
申请日：2023-04-03
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06F18/214 , A61B5/346 , A61B5/00 , G06F18/24 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 一种基于新型生成对抗网络的心电信号增强方法，通过使用不同隐藏神经元大小的双向长短时记忆神经网络的多分支结构，同时，将不同BiLSTM前向传播的最后一个时间步的输出进行拼接，有效增强了生成器模型对输入数据的理解和表达能力。提出了一个新的心电信号增强模块EEA‑Net，该模块使用了自适应卷积层动态的调整卷积核的大小，使得模型能够更加灵活的处理不同长度的输入序列，同时该模型使用了自适应平均池化层对输入数据进行加权平均池化，以便更好地捕捉输入数据的重要信息。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.071 seconds)
