-
公开(公告)号：CN116158767B
公开(公告)日：2025-05-09
申请号：CN202211500915.X
申请日：2022-11-28
Applicant: 华中科技大学
IPC: A61B5/318 , A61B5/346 , A61B5/352 , A61B5/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的迷走性神经晕厥VVS预警方法和系统，属于深度学习网络技术领域，所述方法包括：对患者心电图中的原始RR间隙数据进行预处理；利用A期检测模型检测RR间隙下降期中异常下降并进行第一阶段预警，利用B期检测模型检测RR间隙上升期中异常上升并进行第二阶段预警，以确定异常位置对应的预警点；将预警点到RR间隙序列的最小值点构成的RR间隙序列输入训练好的时序预测网络预测间隙变化量从而生成预警信息，以表征晕厥发生时刻距离预警点的心跳周期数。本发明基于深度学习搭建迷走性神经晕厥的预测框架，接收RR间隙流数据进行检测能够在疾病发生前提前示警，解决了迷走性神经晕厥的预测精度低问题。
-
公开(公告)号：CN119366934A
公开(公告)日：2025-01-28
申请号：CN202411519355.1
申请日：2024-10-29
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本发明公开了一种针对阵发性房颤的预测方法、系统、介质及设备，包括：获取心脏患者的动态心电图ECG；对动态心电图ECG进行切割，得到包含R峰的若干ECG片段；将若干ECG片段输入自编码器进行隐藏特征的挖掘，输出若干ECG片段对应的特征参数；将若干ECG片段对应的特征参数输入训练得到的逻辑回归模型进行处理，得到若干ECG片段各自发生阵发性房颤AF的概率；其中，概率限制在0和1之间，0表示未发生阵发性AF，1表示发生阵发性AF，概率越大，表示发生阵发性AF的可能性越大；基于若干ECG片段各自发生阵发性AF的概率，对心脏患者进行发生阵发性AF的预测；其中，自编码器和逻辑回归模型主要采用诊断为阵发性AF的ECG样本进行训练。
-
公开(公告)号：CN119252471A
公开(公告)日：2025-01-03
申请号：CN202411020382.4
申请日：2024-07-29
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G16H50/30 , A61B5/346 , A61B5/00 , G16H50/20 , G16H50/70 , G16H30/20 , G06F18/2433 , G06N3/0985
Abstract: 本发明公开了一种心脏状态检测方法、装置、设备和介质，包括：采集待诊断患者的目标心电图数据；根据目标心电图数据对应的实际导联数量，从预先训练的多个标准诊断神经网络模型中选择与实际导联数量匹配的目标诊断神经网络模型；将目标心电图数据输入目标诊断神经网络模型，得到目标诊断神经网络模型根据目标心电图数据从预先标定的多个心脏状态标签中确定的至少一个目标心脏状态标签，至少一个目标心脏状态标签用于表征待诊断患者的实际心脏状态。本发明依靠神经网络模型对心电图数据进行自动分析，可以通过心电图及时发现心脏肥大、扩张和增大等状态，能够在产生心力衰竭、猝死以及心律失常等症状之前及时发现心脏异常，使患者能够及时诊治。
-
公开(公告)号：CN115281688B
公开(公告)日：2024-10-22
申请号：CN202210792806.3
申请日：2022-07-05
Applicant: 华中科技大学
IPC: A61B5/318 , A61B5/346 , A61B5/366 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种基于多模态深度学习的心房心室肥大多标签检测系统，属于心电图上的心脏肥大检测领域。采用自适应小波阈值去噪、基于形态学特征的心拍分割、深度神经网络、多模态特征融合等方法，当下热门的计算机视觉技术迁移到心电信号分类上，通过将心电信号的时域特征、形态特征和病人个体信息融合，对四种心脏肥大和正常同时进行分类，搭建出一个基于多模态深度学习的多标签检测框架，从而解决了心电信号在心脏肥大检测上的准确率差和泛化能力差的问题，实现了基于心电图的心脏肥大准确监测，可用于临床诊断。
-
公开(公告)号：CN115018162B
公开(公告)日：2024-06-04
申请号：CN202210651460.5
申请日：2022-06-09
Applicant: 华中科技大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/04 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种工业精加工过程加工质量实时预测方法和系统，属于MMPs质量预测领域。包括：训练加工质量预测模型，直至满足加工精度要求，所述预测模型，包括：归一化模块，用于对CMM数据归一化；S个特征处理模块中，第一特征处理模块，用于将归一化后CMM进行多次特征计算，第s特征处理模块，用于对第s‑1特征筛选模块的输出进行多次计算，得到当前步决策输出；S‑1个特征筛选模块中，第s特征筛选模块，用于将第s特征处理模块的输出和归一化后CMM特征筛选；反馈回归模块，用于将第二特征处理模块至第S特征处理模块的输出全连接，经Softmax函数，得到CMM数据；获取目标工序中各工序当前加工完CMM数据，输入至训练好预测模型，得到预测结果。
-
Patent Agency Ranking
公开(公告)号：CN116417992B
公开(公告)日：2024-03-19
申请号：CN202310228882.6
申请日：2023-03-10
Applicant: 华中科技大学
IPC: H02J3/00 , H02J3/38 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于时空注意力机制的风机功率预测模型建立方法及应用，属于风机功率预测领域，包括：构建待训练的风机功率预测模型并利用数据集进行训练；模型包括：依次连接的空间特征提取模块，n个时间特征提取模块以及预测模块；空间特征提取模块用于根据空间注意力机制对风电变量序列中的风电变量进行聚合，得到空间特征；时间特征提取模块用于根据时间注意力机制对输入的特征做特征提取，得到时间特征，时间注意力分数依据时序结构层面的信息和时间序列在数据特征层面的信息计算；风电变量序列、空间特征以及各时间特征还通过跳跃连接输入至预测模块进行拼接，并依据拼接所得特征预测风机输出的功率序列。本发明能够提高风机功率预测的精度。
-
公开(公告)号：CN111774932B
公开(公告)日：2022-09-06
申请号：CN202010611530.5
申请日：2020-06-30
Applicant: 华中科技大学无锡研究院
IPC: B23Q17/09
Abstract: 本发明涉及刀具监测技术领域，具体公开了一种刀具健康状况在线监测方法，其中，包括：获取机床主轴的实时控制信号，其中所述机床主轴的实时控制信号包括与机床主轴的控制电流信号对应的电压信号；对所述机床主轴的实时控制信号进行处理，并得到设置在机床主轴上的当前刀具的健康状况；输出机床主轴上的当前刀具的健康状况。本发明还公开了一种刀具健康状况在线监测装置及系统。本发明提供的刀具健康状况在线监测方法能够准确分辨刀具磨损程度，且能够在更准确的时间点将磨损刀具更换，更有利于生产工厂节省加工成本，提高产品竞争力。
-
公开(公告)号：CN112560693B
公开(公告)日：2022-06-17
申请号：CN202011499308.7
申请日：2020-12-17
Applicant: 华中科技大学
Abstract: 本发明公开了基于深度学习目标检测的高速公路异物识别方法系统，属于目标检测领域。包括：使用高速公路异物训练集，分别训练N个教师网络，N个教师网络的输出层感受野尺度倍数递减，通过知识蒸馏将N个训练好的教师网络输出的不同尺度感受野信息同时传递给同一个学生网络，使用训练集训练学生网络，得到训练好的学生网络；将被测图像输入至训练好的学生网络，得到识别结果。本发明利用知识蒸馏，将复杂的教师网络学习到的信息传递给结构较为简单的学生网络，使学生网络也能拥有较高的检测精度；通过多个教师网络的知识蒸馏融合了多尺度信息，对高速公路摄像头采集图像中近景与远景处的物体尺寸差异较大的情况有着更高的鲁棒性以及检测精度。
-
公开(公告)号：CN112365428B
公开(公告)日：2022-04-01
申请号：CN202011413159.8
申请日：2020-12-03
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于DQN的高速公路监测视频去雾方法和系统，属于图像处理领域。由于强化学习本身性质，可灵活扩充去雾动作空间，获得更好的去雾效果；基于强化学习本身特性，是一种通过进行一系列序列决策，通过反复、多次从简单去雾图像处理动作集合中选取多个图像处理动作叠加式地完成图像去雾任务，符合人类专家进行修图的过程。本发明采用实际高速公路监测视频在不同能见度下进行训练，仅需当时当地能见度实况数值即可对去雾质量计算模型进行训练。并且通过去雾质量模型即可计算经过去雾处理后的图片对应的奖励值，进而引导强化学习去雾策略达到更好的去雾效果，无需带雾‑无雾图像真实数据集即可进行训练，大大降低了对数据集的要求。
-
公开(公告)号：CN112826513B
公开(公告)日：2022-02-18
申请号：CN202110005160.5
申请日：2021-01-05
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习和特异性矫正在FECG上胎儿心率检测系统，属于胎心心电图上的胎儿心率检测领域。本发明通过独立成分分析、深度神经网络、一维目标检测、特异性模型诊断等方法，由于卷积神经网络和循环神经网络在处理一维信号方面性能优越，本发明将当下热门的目标检测技术迁移到一维信号上搭建出一个全部基于深度学习的针对胎心心电图的完整检测框架，同时又使用一个特异性矫正模型消除个体差异从而解决机器学习应用到医学问题上经常出现的因病人个体差异导致的模型泛化能力差的问题，从而实现了基于胎心心电图的胎儿心率准确监测，可用于临床诊断。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.046 seconds)
