-
公开(公告)号：CN102908137B
公开(公告)日：2015-02-18
申请号：CN201210397617.2
申请日：2012-10-18
申请人： 深圳先进技术研究院
IPC分类号： A61B5/0428
摘要： 本发明涉及一种单通道心电采集芯片，包括：输入缓冲器模块，用于采集外部电极的信号；预放大模块，用于对所述外部电极的信号进行第一级放大；双端转单端模块，用于接收经第一级放大的信号，并将所述信号转换成单端信号输出；滤波模块，用于对所述单端信号进行滤波；后级放大模块，用于将经所述低通滤波电路滤波后的单端信号进行第二次放大；输出缓冲器模块，用于输出经第二级放大后的单端信号。本发明提供的单通道心电采集芯片将各个模块集成到硅片上，降低了成本。
-
公开(公告)号：CN103491034A
公开(公告)日：2014-01-01
申请号：CN201310468736.7
申请日：2013-10-09
申请人： 深圳先进技术研究院
摘要： 一种无线传感器网络的信道估计方法，包括：在无线传感器网络中，计算同时进行信道估计的发送簇普通节点的数量；选择列数与发送簇普通节点的数量相同的正交训练码矩阵；按照均匀分布随机生成训练数据源并保存至发送簇中心节点和多个发送簇普通节点；多个接收簇普通节点同时接收发送簇普通节点同时发送的训练信号并转发至接收簇中心节点；接收簇中心节点重构接收的训练信号的接收矩阵，获得重构训练矩阵；奇异值分解获得奇异向量；重构奇异向量，建立信道矩阵的线性方程组并求解，获得信道矩阵的估计值。还提供一种无线传感器网络的信道估计系统，上述信道估计方法和系统中的接收簇的普通节点接收训练信号时不需要单个轮流进行，信道估计较快。
-
公开(公告)号：CN103020454A
公开(公告)日：2013-04-03
申请号：CN201210546336.9
申请日：2012-12-15
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06F19/00
摘要： 本发明涉及医疗信息决策系统技术领域，提供了一种发病关键因素提取与疾病预警方法，所述方法包括如下步骤：数据预处理，将病历档案数据转换为训练数值矩阵；建立疾病预警模型；通过验证找到最优预警模型。本发明还提供了一种发病关键因素提取与疾病预警系统。通过本发明提供的发病关键因素提取与疾病预警方法与系统，能够提取疾病的高风险因子，进行疾病突变预警，实现简单，效果好。
-
公开(公告)号：CN102512141A
公开(公告)日：2012-06-27
申请号：CN201110403737.4
申请日：2011-12-07
申请人： 中国科学院深圳先进技术研究院
摘要： 一种生命体征监测仪，包括信号收发模块、数据采集卡、处理模块和报警模块。信号收发模块用于生成连续波并向外辐射，接收目标回波并进行处理。数据采集卡与信号收发模块相连，用于将从信号收发模块获取的模拟信号转换成数字信号。处理模块与数据采集卡相连，用于对数字信号进行处理并发出控制指令。报警模块与处理模块相连，用于接收处理模块的控制指令并发出报警信号。上述生命体征监测仪，监测设备无需接触人体，不会引发不适，并且结构简单，技术成熟，成本投入低，使用方便、安全，有利于市场的推广和使用。
-
公开(公告)号：CN118941928A
公开(公告)日：2024-11-12
申请号：CN202411142647.8
申请日：2024-08-20
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06V10/82 , G06V10/774 , G06N3/096 , G06N3/045 , G06N3/0895 , G06N3/084 , G06V10/764 , G06N3/0464
摘要： 本申请涉及半监督的图像分析技术领域，揭示了一种半监督的图像分析方法、装置、计算机设备及存储介质，方法包括：获取训练集中的样本图像；基于样本图像以及初始学生模型进行预测，得到第一预测分布、第二预测分布；基于样本图像以及初始教师模型进行预测，得到第三预测分布；基于第一预测分布、第二预测分布、第三预测分布、第一因果特征、第二因果特征、非因果特征，确定目标损失函数；基于目标损失函数，对初始学生模型中的网络参数进行更新。能够通过目标损失函数训练初始学生模型，从而得到训练好的学生模型，该学生模型具有模型泛化能力强、效率和准确性高的特点，而后利用该学生模型对图像进行分析，提高了图像分析的效果。
-
公开(公告)号：CN112508834B
公开(公告)日：2024-06-25
申请号：CN202011455213.5
申请日：2020-12-10
申请人： 深圳先进技术研究院
摘要： 本发明公开了一种基于GAN的无造影剂医学图像增强方法，采用GAN增强算法，根据既往患者的无造影剂图像，生成既往患者的虚拟有造影剂图像，并与真实有造影剂图像进行训练，得到既往患者的最终虚拟有造影剂图像，建立根据无造影剂图像生成最终虚拟有造影剂图像的目标图像分析模型；分割无造影剂图像数据，得到无造影剂目标数据与无造影剂背景数据；将从无造影剂图像数据分割得到的无造影剂背景数据，与最终虚拟有造影剂目标数据进行融合，得到虚拟有造影剂图像模型，实现对图像的增强。本申请能够对新增患者的无造影剂图像进行增强，得到新增患者的虚拟有造影剂图像，简化治疗程序，降低患者的治疗成本，减少造影剂对患者身体的影响。
-
公开(公告)号：CN118151067A
公开(公告)日：2024-06-07
申请号：CN202410092877.1
申请日：2024-01-23
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G01R33/24
摘要： 本发明涉及磁共振成像技术领域，尤其涉及一种新型复合B1映射方法、电子设备及存储介质，该新型复合B1映射方法，所述方法包括：初步定位待研究区域；多次扫描待研究区域，每次仅一个通道发射，同时分别在n个通道上接收,获得n个小翻转角2D GRE图像；采用双重聚焦回声采集模式，n个通道同时传输，获得激发翻转角的多层3D图；将所述n个小翻转角2D GRE图像与激发翻转角的多层3D图合并，计算出n个通道的B1场强度分布。本发明通过上述设置，解决了现有的B1映射方法的时间成本很高、映射值易偏差的缺陷。
-
公开(公告)号：CN117993752A
公开(公告)日：2024-05-07
申请号：CN202311051951.7
申请日：2023-08-18
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06Q10/0639 , G06Q10/105 , G06N5/02
摘要： 本发明公开了一种基于人才科技合作网络数据的人才创新能力评价方法。方法包括：获取目标信息；根据所述目标信息构建目标知识图谱；基于所述目标信息对所述目标人才进行评价，得到所述目标人才的初始评价结果；基于所述第二关系和所述初始评价结果获取目标活跃度，所述目标活跃度反应所述目标人才在所述目标知识图谱中的重要度；基于所述目标活跃度和所述初始评价结果对所述目标人才的创新能力进行评价，得到目标评价结果。本发明提供的基于人才科技合作网络数据的人才创新能力评价方法，能有效地改进现有技术中的只针对单一人才进行评价，未结合人才在合作网络中的活跃度进行评价的问题，使得对科技人才的创新能力的评价更加准确。
-
公开(公告)号：CN112508835B
公开(公告)日：2024-04-26
申请号：CN202011455235.1
申请日：2020-12-10
申请人： 深圳先进技术研究院
摘要： 本发明公开了一种基于GAN的无造影剂医学图像增强建模方法，涉及医学图像处理技术领域，本申请采用GAN增强算法，根据既往患者的无造影剂图像，生成既往患者的虚拟有造影剂图像，与既往患者的真实有造影剂图像进行训练，得到既往患者的最终虚拟有造影剂图像；再与既往患者的无造影剂图像进行融合，建立图像目标分析模型。本申请建立的虚拟有造影剂图像模型，实现了新增患者无需服用造影剂就能得到虚拟有造影剂图像，简化治疗程序，降低患者的治疗成本。
-
公开(公告)号：CN117689753A
公开(公告)日：2024-03-12
申请号：CN202311693332.8
申请日：2023-12-11
申请人： 中国科学院深圳先进技术研究院
摘要： 本申请公开了高置信度CEST定量图的获取方法、系统及终端，方法包括：获取多个B1幅值下的CEST数据，根据CEST数据得到Z谱信号；根据Z谱信号对CEST定量图进行B1校正，将校正通过后的CEST定量图作为第一标签；获取B1空间分布图，将B1空间分布图作为第二标签；根据Z谱信号、第一标签和第二标签，得到第一损失函数；将Z谱信号进行噪声增强处理，得到第二数据集，将第二数据集进行消融实验，得到模型超参数；根据第一损失函数和模型超参数得到置信度增强模型；将单个B1幅值下的CEST数据输入至置信度增强模型，得到高置信度CEST定量图，过程简单，校正效果稳定，增加了CESTMRI定量的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
383 条记录 (耗时 0.051 秒)
