-
公开(公告)号:CN117058584A
公开(公告)日:2023-11-14
申请号:CN202311022570.6
申请日:2023-08-14
申请人: 中科智禾数字科技(北京)有限公司
IPC分类号: G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08 , G16H50/20
摘要: 本发明涉及计算机视觉领域、视频监控以及医疗康复等多个领域,尤其是一种基于深度学习的婴儿痉挛症临床发作视频识别方法。主旨在于结合计算机视觉技术精确定位患者活动情况,并实现自动识别患者是否发作。主要方案包括构建数据集,得到训练集和验证集,进行数据预处理;构建改进的vision transformer分类网络模型;把处理过的数据输入到改进的vision transformer分类网络中进行训练;观察训练模型收敛情况,判断损失函数是否过拟合,是否满足训练标准;如果满足训练标准则直接输出标准识别模型,不满足则找到符合预设标准的权重函数并且解冻数据集再次精化训练,得到满足标准的权重函数后输出标准婴儿痉挛症临床发作识别模型。
-
公开(公告)号:CN117056704A
公开(公告)日:2023-11-14
申请号:CN202311020739.4
申请日:2023-08-14
申请人: 中科智禾数字科技(北京)有限公司
IPC分类号: G06F18/213 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/214 , G06N3/0464 , G06N3/048 , G06F18/25 , G06F18/241 , G16H50/20
摘要: 本发明属于人工智能与生理信号及医学图像处理领域的交叉领域,提供了一种基于多模态深度学习的脑电信号数据信号分析方法。目的在于解决现有方案,仍需人为设定提取的信号特征,不能完全涵盖west综合症的全部有效特征的问题。主要方案包括提取原始脑电信号数据以及原始肌肉电信号数据,得到二进制数据;数据分离得到多通道时频域数据并划分训练集数据、验证集数据、测试集数据;对深度学习的神经网络模型进行设定,并训练得到最佳的模型参数;然后输入数据进行分类,得到预测每个时间段上的异常的脑电信号数据以及肌肉电信号数据的标注,保存为注释文件。
-