-
公开(公告)号：CN117633482A
公开(公告)日：2024-03-01
申请号：CN202311493149.3
申请日：2023-11-10
Applicant: 华中科技大学
IPC: G06F18/21 , A61B5/11 , G06F18/2415 , G06F18/2433 , G06F18/25 , G06F18/214 , G06F18/15 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度学习网络的冻结步态识别方法及介质，属于冻结步态检测领域，包括：预处理所采集的人体行为传感器数据；根据所得行为数据中的正常步态数据，计算各时刻的异常指数；根据所得异常指数，计算各时刻的异常标签；根据公开行为数据，预训练行为识别模型；根据所得行为数据中的正常步态数据，微调所得行为识别模型；根据所得微调后的行为识别模型，计算每个时刻的分布外指数；根据所得分布外指数，计算各时刻的分布外标签；根据所得异常标签和分布外标签，构建高斯核函数，计算每个时刻的冻结指数；根据所得冻结指数，计算每个时刻的冻结步态标签。本发明能够脱离对冻结步态数据的依赖，提高泛化能力，提高冻结步态的识别精度。
-
公开(公告)号：CN104997786A
公开(公告)日：2015-10-28
申请号：CN201510411304.1
申请日：2015-07-14
Applicant: 华中科技大学同济医学院附属同济医院
IPC: A61K31/5575 , A61P1/14 , A61P15/04 , A61P27/02 , A61P27/16
Abstract: 本发明公开了一种贝美前列腺素作为TRPA1通道激动剂在制备药品中的应用。贝美前列腺素作为TRPA1通道激动剂在制备药品中的应用，贝美前列腺素通过作用于TRPA1发挥治疗作用，用于治疗听力障碍、调节胃肠道动力以及用于催产。贝美前列腺素作为TRPA1通道激动剂在制备降眼压药品中的应用，贝美前列腺素以TRPA1作为靶点发挥降眼压作用，从而有效治疗相关疾病。贝美前列腺素能够通过激活TRPA1通道，增强机械敏感性三叉神经末梢的机械敏感性。使其对眼压变动信息更加敏感，从而促发更强的反馈调节降低眼压。
-
公开(公告)号：CN102243063A
公开(公告)日：2011-11-16
申请号：CN201110094062.X
申请日：2011-04-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种混凝土桥梁底面裂缝检测装置，用于桥梁底面的裂缝检测，该装置以桥梁检测车作为工作平台，包括行进底盘，相机方位及姿态调整模块和裂缝检测模块，其中，所述行进底盘设置在桥梁检测车的桁架臂上，可在桁架臂上直线往复移动；所述相机方位及姿态调整模块设置在所述行进底盘上，用于对裂缝检测模块的方位及姿态进行调整；所述裂缝检测模块设置在所述相机方位及姿态调整模块上，用于实施对桥梁底面裂缝的检测。该检测装置可以实现桥底裂缝图像的快速检测，系统记录的相关数据可供工程人员评估桥梁的裂缝损伤情况以及后期分析研究。
-
公开(公告)号：CN102694659A
公开(公告)日：2012-09-26
申请号：CN201210168692.1
申请日：2012-05-28
Applicant: 华中科技大学
Abstract: 本发明涉及数据无线透传技术领域，公开了一种实现自组网USB口数据无线透传的系统，包括用于实现USB控制功能的装置和供电装置，所述用于实现USB控制功能的装置的USB口与所述供电装置连接。本发明通过USB口数据无线透传系统，解决了现有的产品只能点对点通信及需另外安装电源且传输速度慢的问题，采用CC2531的USB端和上位机通信，在缩小了体积的同时，具有数据传输、自组网、自路由的功能，且传输距离长、不需额外供电，且能完成大数据量传输。
-
公开(公告)号：CN118352058A
公开(公告)日：2024-07-16
申请号：CN202410379868.0
申请日：2024-03-29
Applicant: 华中科技大学
IPC: G16H50/20 , A61B5/11 , A61B5/00 , G16H50/70 , G06F18/241 , G06F18/23213 , G06N3/0464 , G06N3/084 , G06N3/088 , G06F123/02
Abstract: 本发明提供一种帕金森震颤识别方法，包括：采集多个受试者的震颤数据时序信号并进行重采样；对重采样的震颤数据时序信号进行标记并进行统一窗口裁剪，得到每一个受试者的震颤窗口数据，作为样本数据；对样本数据进行数据增强处理，对样本数据集进行增广；基于增广后的样本数据集对预设震颤识别模型进行训练；基于训练后的震颤识别模型对待测受试者的震颤数据时序信号的震颤结构进行识别和预测。本发明采用了数据增强技术，弥补了帕金森患者震颤数据无法进行大量采集的不足之处，从而扩大数据集的规模，提高震颤识别算法的准确性、可靠性；以及实现自动打标签的功能，免去了人工手动标记数据的工作，节省了数据的成本以及避免由人造成的主观性。
-
Patent Agency Ranking
公开(公告)号：CN112057080B
公开(公告)日：2021-07-02
申请号：CN202010798417.2
申请日：2020-08-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于分阶段特征提取的冻结步态检测系统，属于机器学习领域。包括：基于用户行走过程中采集到的原始加速度数据，构建有标签的样本集，样本为加窗处理后的加速度数据序列，标签表示样本属于正常步态还是冻结步态；对每个样本进行分阶段特征提取；使用PCA对步态特征集进行特征变换，得到低维新步态特征集，对低维新步态特征集进行特征选择，得到最优步态特征子集；使用最优步态特征子集训练基于机器学习的冻结步态检测模型；提取待测样本的分阶段特征，输入至训练好的冻结步态检测模型，得到冻结步态检测结果。本发明提取加速度信号中运动分量及冻结带，并对运动信号进行合成与分解，以充分发挥原始数据的潜在特征。
-
公开(公告)号：CN112057080A
公开(公告)日：2020-12-11
申请号：CN202010798417.2
申请日：2020-08-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于分阶段特征提取的冻结步态检测方法和系统，属于机器学习领域。包括：基于用户行走过程中采集到的原始加速度数据，构建有标签的样本集，样本为加窗处理后的加速度数据序列，标签表示样本属于正常步态还是冻结步态；对每个样本进行分阶段特征提取；使用PCA对步态特征集进行特征变换，得到低维新步态特征集，对低维新步态特征集进行特征选择，得到最优步态特征子集；使用最优步态特征子集训练基于机器学习的冻结步态检测模型；提取待测样本的分阶段特征，输入至训练好的冻结步态检测模型，得到冻结步态检测结果。本发明提取加速度信号中运动分量及冻结带，并对运动信号进行合成与分解，以充分发挥原始数据的潜在特征。
-
公开(公告)号：CN107014973A
公开(公告)日：2017-08-04
申请号：CN201710199648.X
申请日：2017-03-30
Applicant: 华中科技大学
IPC: G01N33/20
CPC classification number: G01N33/206
Abstract: 本发明属于重力铸造凝固过程中的缩孔预测相关技术领域，其公开了一种基于动态压强的重力铸造缩孔缺陷预测方法，其包括以下步骤：(1)将浇注系统进行初始化；(2)推导出临界压强值以作为孤立液相区搜索的边界判据，进而搜索出某时刻的孤立液相区的分布；若存在孤立液相区，则转向步骤三；否则结束；(3)先后判断孤立液相区是否分裂及湮灭，如果分裂，则转向步骤四，如果未分裂，则进而判断孤立液相区是否湮灭，如果没有湮灭，转向步骤四，否则转向步骤五；(4)搜索每个孤立液相区该时刻的缩孔的分布后，计算及均分叠加各孤立液相区的收缩增量到搜索得到的网格上；(5)更新所有区域的液相率后进行循环，直到所有的孤立液相区均消失。
-
公开(公告)号：CN102243063B
公开(公告)日：2013-03-27
申请号：CN201110094062.X
申请日：2011-04-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种混凝土桥梁底面裂缝检测装置，用于桥梁底面的裂缝检测，该装置以桥梁检测车作为工作平台，包括行进底盘，相机方位及姿态调整模块和裂缝检测模块，其中，所述行进底盘设置在桥梁检测车的桁架臂上，可在桁架臂上直线往复移动；所述相机方位及姿态调整模块设置在所述行进底盘上，用于对裂缝检测模块的方位及姿态进行调整；所述裂缝检测模块设置在所述相机方位及姿态调整模块上，用于实施对桥梁底面裂缝的检测。该检测装置可以实现桥底裂缝图像的快速检测，系统记录的相关数据可供工程人员评估桥梁的裂缝损伤情况以及后期分析研究。
-
公开(公告)号：CN119517425A
公开(公告)日：2025-02-25
申请号：CN202411644596.9
申请日：2024-11-18
Applicant: 华中科技大学
IPC: G16H50/50 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种跨域帕金森震颤评估模型的构建方法及应用，属于人工智能技术领域；通过最小化总震颤分类损失，且最大化总域分类损失，同时对特征提取模块、震颤分类器、域分类器和权重分配器进行训练；训练完成后，构建包括级联的特征提取模块和震颤分类器的跨域帕金森震颤评估模型；其中，总域分类损失为源域和目标域的域分类损失之和，在计算不同域的域分类损失时，通过权重分配器为每一个域下的各训练样本分配权重后，对基于域分类器得到的各训练样本的域分类损失在样本层面上进行加权处理，充分利用了帕金森震颤传感器数据之间的不同，促进源域和目标域特征空间的对齐，使得所构建的模型能够准确地对帕金森震颤进行评估。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.029 seconds)
