一种波形分类模型的训练方法和生理信号波形分类方法

    公开(公告)号:CN117633600A

    公开(公告)日:2024-03-01

    申请号:CN202311681700.7

    申请日:2023-12-06

    摘要: 本发明涉及生理信号波形分类技术领域,具体是涉及一种波形分类模型的训练方法和生理信号波形分类方法。本发明神经网络模型中的卷积模块的各个卷积基本块中包括了分组卷积层和洗牌操作层,其中分组卷积层的卷积核采用空洞卷积,空洞卷积和分组卷积都属于计算轻量级的,同时卷积基本块中又设置了洗牌操作层,洗牌操作层能够对分组卷积的输入层中的各个通道输出的特征进行交叉组合,以使得分组卷积输出的最终特征图涵盖了输入层中所有通道中的特征信息,从而保证了分组卷积所在的卷积基本块所输出的特征准确性,进而保证了心理信号波形分类的准确性。

    一种磁共振血管壁图像分析方法、系统及计算机可读介质

    公开(公告)号:CN112561781B

    公开(公告)日:2024-01-26

    申请号:CN202011438072.6

    申请日:2020-12-07

    摘要: 本发明公开了一种磁共振血管壁图像分析方法,包括:读取3D图像;获取3D图像的亮血序列,基于亮血序列中心线对血管进行自动提取;获取3D图像的黑血序列,将亮血序列中心线配准到黑血序列上;根据黑血序列中心线重建出整条血管;获取重建出的2D横断面;新建训练模型,根据重建出的2D横断面的管腔、管壁特征训练训练模型;将给定的血管壁图像导入训练完成后的训练模型,预测出管腔和管壁。本发明还公开了一种磁共振血管壁图像分析系统及计算机可读介质。通过利用3D图像的亮血序列的中心线与黑血序列匹配重建血管,然后通过深度学习经过大量样本学习,自动获得管腔和管壁的特征,本发明不再需要严重依赖于医生的经验,可以高效且准确地获得分割结果。

    一种无线传输系统和植入式医疗设备

    公开(公告)号:CN117439636A

    公开(公告)日:2024-01-23

    申请号:CN202311373265.1

    申请日:2023-10-23

    摘要: 本发明公开了一种无线传输系统和植入式医疗设备,无线传输系统包括直流电压转换模块、电源开关模块、控制模块、驱动模块和第一通信模块;直流电压转换模块用于根据第一控制接口和第二控制接口的控制信号分别调节第一电压和第二电压的大小,电源开关模块用于根据控制模块输出的调制控制信号选择输出第一电压或第二电压;第一通信模块的输入端与电源开关模块的输出端连接,第一通信模块的控制端与驱动模块的输出端连接,第一通信模块用于根据调制控制信号以及驱动信号的频率输出射频能量或通信信号中的至少一个。本发明的无线通信系统结构简单,而且可以改变ASK/AM调制信号的调制度,实现高效率的射频能量传递和高速率的双向半双工无线通信。

    一种多通道的经直肠前列腺线圈、系统和工作方法

    公开(公告)号:CN115629346B

    公开(公告)日:2023-12-26

    申请号:CN202211408300.4

    申请日:2022-11-10

    IPC分类号: G01R33/34 G01R33/36 A61B5/055

    摘要: 本发明公开了一种多通道的经直肠前列腺线圈、系统和工作方法,线圈包括设有绕线曲面的支撑体,包裹绕制在所述支撑体表面的多个第一直肠线圈以及叠加在多个第一直肠线圈上的第二直肠线圈;其中,相邻两个第一直肠线圈之间通过部分交叠实现去耦,非相邻的两个第一直肠线圈之间通过设置共用电容实现去耦;所述第二直肠线圈包括交叉连接的第一线圈段和第二线圈段,所述第一线圈段和所述第二线圈段对称设置,且二者交叉处无电气连接。本发明增加了通道数量,提高了信噪比,进而具有更好的高分辨率成像能力和图像质量;通过提高线圈密度,解决了由通道数量增加带来的耦合问题;通过在不相邻的第一直肠线圈之间设置共用电容来进行去耦,降低线圈间的干扰。

    图像分割方法和装置、电子设备、机器可读存储介质

    公开(公告)号:CN112508957B

    公开(公告)日:2023-12-01

    申请号:CN202011445375.0

    申请日:2020-12-08

    IPC分类号: G06T7/10

    摘要: 本发明提供了一种图像分割方法,其包括:接收输入的K空间数据,所述K空间数据具有复数形式;利用复数分割神经网络对所述K空间数据进行分割处理;根据分割后的K空间数据形成分割后的图像。本发明还提供了一种图像分割装置、电子设备以及机器可读存储介质。本发明直接对具有复数形式的K空间数据进行了分割,可以省略现有的一系列的成像过程,避免了图像数据在傅里叶变换中的损失,降低了分割成本的同时还提高了分割效率。

    无袖带连续血压测量方法及系统
    66.
    发明公开

    公开(公告)号:CN117064354A

    公开(公告)日:2023-11-17

    申请号:CN202311092417.0

    申请日:2023-08-28

    发明人: 李烨 刘增丁 苗芬

    IPC分类号: A61B5/021 G06F18/213

    摘要: 本发明涉及一种无袖带连续血压测量方法,包括:同步采集受试者的BCG信号和PPG信号;去除所述BCG信号和PPG信号中的噪声,并逐拍评估BCG信号和PPG信号的信号质量;对满足信号质量的BCG信号和PPG信号,检测相关的特征点位置并从中提取PTT特征、BCG信号特征和PPG信号特征;基于提取的PTT特征、BCG信号特征和PPG信号特征,以及用户的统计资料和校准血压,利用PTT模型和多参数模型计算血压值。本发明还涉及一种无袖带连续血压测量系统。本发明能够实现血压的无袖带、低负荷、高精准测量。

    兼容下行链路增强与伺机短距离通信的自适应协同方法

    公开(公告)号:CN114422598B

    公开(公告)日:2023-10-03

    申请号:CN202111560024.9

    申请日:2021-12-17

    发明人: 李楠 李烨

    IPC分类号: H04L67/60 H04L41/14 H04W4/80

    摘要: 本申请公开了一种兼容下行链路增强与伺机短距离通信的自适应协同方法、装置、设备及其存储介质,该方法包括:根据基站下行通信的业务分配选择对应的的主传输用户协同增强传输;根据协同用户的信道环境和业务需求,设计条件协同的混合多址传输机制;对时间域、频率域及功率域资源的联合共享优化网络。本申请提供的上述方案,能够同时支持蜂窝移动小区上下行传输和设备间传输,不需要占用额外的频谱资源,灵活性高;根据用户实际情况,进行用户角色的转换,采用不同的数据传输方式,提高了网络传输效率。本发明满足了网络业务需求的多样性,协同用户还可根据网络环境及自身需求,采用不同的协同中继方式,提高了网络资源的利用率。

    一种环形心电信号数据读取方法

    公开(公告)号:CN114343662B

    公开(公告)日:2023-07-18

    申请号:CN202111513650.2

    申请日:2021-12-10

    发明人: 何青云 王俊 李烨

    摘要: 本公开涉及一种环形心电信号数据读取方法,所述心电信号数据采用环形队列存储,所述方法包括以下步骤:为每一个需要读取心电信号数据的应用,创建一个队列头指针和预读取序号参数;对当前要读取心电信号数据的应用,获取其队列头指针以及相应地预读取序号参数值;通过“队列头指针+预读取序号参数”计算要读取的心电数据的位置,从而在不移动队列头指针的情况下,获取要读取的心电信号数据;所述要读取的心电信号数据相对队列头指针的位置等于预读取序号参数值。本公开方法读取心电数据时降低了对运算能力和内存的需求,非常适合在穿戴式、低功耗的心电装置上使用。

    不完备多视图聚类方法、系统、设备以及存储介质

    公开(公告)号:CN116361670A

    公开(公告)日:2023-06-30

    申请号:CN202310291172.8

    申请日:2023-03-17

    发明人: 崔国盛 李烨 吴丹

    IPC分类号: G06F18/23 G06F18/2133

    摘要: 本发明涉及一种不完备多视图聚类方法、系统、设备以及存储介质,其中,所述一种不完备多视图聚类方法包括:a.将原始多视图数据矩阵在所提出的基于逐层范数补偿和超图正则的深度不完备非负矩阵分解框架下分解;b.对分解后的多视图数据矩阵进行聚类。本发明还涉及一种不完备多视图聚类系统。本发明能够更有效地对数据进行拟合,得到更有效的不完备多视图数据融合特征,并获得更好的聚类结果。

    空间图卷积网络的训练方法、电子设备及存储介质

    公开(公告)号:CN111079780B

    公开(公告)日:2023-06-23

    申请号:CN201911075406.5

    申请日:2019-11-06

    摘要: 本申请适用于模式识别技术领域,提供了空间图卷积网络的训练方法,包括:获取训练数据;其中,所述训练数据包多个对象的网络结构特征、每个对象的对象属性特征、以及所述多个对象中部分对象的标记类别;每个对象的所述网络结构特征为该对象与其他对象间的关联关系;所述多个对象中具有标记类别的对象为第二对象,不具有标记类别的对象为第一对象;以及,根据所述训练数据对待训练的图卷积网络进行训练,得到用于对象分类和对象网络结构属性预测的图卷积网络。从而实现了可以同时处理对象关系网络的对象分类和对象的网络结构特征预测任务,节省了计算设备的算力,提高了效率。