-
公开(公告)号：CN118761025A
公开(公告)日：2024-10-11
申请号：CN202410751192.3
申请日：2024-06-12
IPC: G06F18/25 , G06N3/006 , G06N20/10 , G06F3/01 , G06F18/213 , G06F18/2411 , G06F18/214 , G06F17/16 , A61B5/369 , A61B5/372 , A61B5/00
Abstract: 本发明属于新生儿脑损伤程度分级检测技术领域，具体涉及一种基于弹性网和乌鸦优化融合算法的新生儿脑损伤分级系统；其中数据预处理模块接收新生儿原始脑电信号的文本数据，并将数据处理为独立样本，特征提取模块将独立样本数据使用定量脑电图分析获取定量信息，对于每个独立样本提取qEEG相关特征和幅度、谱密度、连通性相关和脉冲串间隔的mne相关特征，并进行标准化处理；特征初步筛选模块将独立样本数据使用基于弹性网回归的特征选择算法进行与新生儿脑损伤分级结果相关特征的初步选取，最佳特征子集确立模块使用乌鸦优化算法对特征初步筛选模块选取的特征进行进一步选取，确立与新生儿脑损伤结果强相关的最佳特征子集，模型分级判决模块使用支持向量机SVM机器学习模型对最佳特征子集确立模块确立的最佳特征进行新生儿脑损伤分级的预测，并输出预测结果；本发明能够提高新生儿脑损伤分级诊断的准确率，筛选出与结果强相关的特征，找到新生儿脑损伤的特征标志物，为临床医学诊断提供有效的辅助支持。
-
公开(公告)号：CN118766475A
公开(公告)日：2024-10-15
申请号：CN202410751692.7
申请日：2024-06-12
IPC: A61B5/374 , A61B5/00 , G06F18/243 , G06F18/27 , G06F18/211
Abstract: 本发明属于脑电分析技术领域，具体涉及一种基于多领域特征和机器学习的早产儿脑功能年龄识别系统；采集早产儿脑电信号，对脑电信号进行降噪和数据分段，得到预处理后第一脑电信号；对第一脑电信号从多领域提取关键特征，包括时域特征、频域特征、非线性特征、以及基于脑功能连接网络的复杂图论特征；将提取到的时域特征、频域特征、非线性特征、复杂图论特征使用特征递归消除法进行特征选择并输入到随机森林中进行训练，得到训练好的随机森林回归模型；根据所述训练好的早产儿脑功能年龄识别系统输出目标早产儿脑电信号的脑功能年龄；本发明基于数据的机器学习建模方法，最大程度了挖掘了与早产儿脑功能年龄相关的脑电信号特征，并通过先进的特征选择方法筛选出效果最佳的特征组合，构建出了准确性高、泛化性强、可移植性高的预测模型，具有一定的理论价值与实际工程意义。
-
公开(公告)号：CN117398111A
公开(公告)日：2024-01-16
申请号：CN202311420933.1
申请日：2023-10-30
Applicant: 吉林大学
Abstract: 本发明属于脑电信号分析技术领域，具体涉及一种基于多领域融合特征和深度学习的脑病检测系统；首先将同步压缩小波变换和相干函数相结合，并在时间维度进行压缩得到时间平均同步压缩小波相干；然后将MSWC和小波交叉谱求出的锁相值结合，提出了一种新的标志物P‑MSWC，并使用该标志物构建大脑高维功能连接矩阵；该标志物可以从时域‑频域‑相位三个领域全面捕获原始EEG信号种的信息并对生理噪声有较强的抗干扰能力，优于传统的功能连接标记；最后，提出一种轻量级CNN模型，该模型有效地利用了大脑的高维连接矩阵，能够更准确、更有效地检测各种脑部相关疾病。
-
公开(公告)号：CN112634243B
公开(公告)日：2022-08-05
申请号：CN202011578982.4
申请日：2020-12-28
Applicant: 吉林大学
IPC: G06T7/00 , G06T7/10 , G06V10/764 , G06V10/82 , G06V10/26 , G06V20/69 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种强干扰因素下基于深度学习的图像分类识别系统；其中检测统计模块用于采集完整的细胞原图像，并对该细胞原图像进行逐块显示，根据细胞识别模块识别出的细胞类别及个数生成报告；细胞分割模块采用Unet网络细胞轮廓分割模型对观察窗口内显示的图像中细胞进行识别和分割，每处理完一个观察窗口，就将其输入细胞识别模块，直至处理完全部观察窗口；细胞识别模块采用SSD目标检测网络模型对细胞分割模块从观察窗口内识别并分割出的细胞进行定位以及识别；对显微镜下白细胞图像进行分析，辅助临床医生准确高效完成白细胞分类识别统计，提高准确率及判断精度，能够有效降低噪声干扰，提升分类识别效果。
-
公开(公告)号：CN112561863B
公开(公告)日：2022-06-10
申请号：CN202011406222.5
申请日：2020-12-03
Applicant: 吉林大学
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于深度学习的粒细胞图片细粒度分类识别系统；包含定位模块和分类模块，其中定位模块利用Hourglass网络模型对输入的粒细胞图片进行特征提取，将粒细胞图片中的全部细胞分别进行定位，再将定位后的细胞裁剪出来，留下单个完整的细胞，并将全部裁剪出来的细胞进行尺寸归一化处理；分类模块采用构建的深度学习分类模型对定位模块定位出的粒细胞进行分类；辅助临床医生准确高效完成粒细胞分类识别计数任务，减小主观性带来的误差，减轻医生的工作量，辅助医生做出疾病判断；该系统能够有效解决非均衡数据下的细胞分类以及粒细胞间的细粒度分类，提升网络分类识别效果。
-
Patent Agency Ranking
公开(公告)号：CN113408463B
公开(公告)日：2022-05-10
申请号：CN202110734642.4
申请日：2021-06-30
Applicant: 吉林大学
IPC: G06V20/69 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明属于深度学习技术领域，具体涉及一种基于距离度量的细胞图像小样本分类系统；其中图像转换模块对细胞图像数据集进行处理，并采用训练好的图像转换网络得到细胞小样本数据集；预训练模块对构建的Resnet18分类模型进行预训练，小样本分类模块通过训练构建的细胞小样本分类模型实现对细胞小样本图像中的细胞进行分类；本系统能够辅助临床医生对血液细胞进行快速分类，以减少工作量，提高细胞分类能力以及模型泛化能力，对处理医学领域中的血液细胞小样本分类问题具有重要意义。
-
公开(公告)号：CN110705639B
公开(公告)日：2022-03-15
申请号：CN201910940562.7
申请日：2019-09-30
Applicant: 吉林大学
Abstract: 本发明属于图像识别技术领域，具体涉及一种基于深度学习的医学精子图像识别系统；包括输入模块、定位模块和分类模块，其中输入模块用于采集检测者进行灰度化处理后的精子图片；定位模块根据输入模块中采集到的精子图片，利用深度学习和图像识别方法中的YOLO v3模型对精子图片上的精子头部进行定位；分类模块采用构建的VGG‑dense block分类模型对定位模块中定位出的精子头部进行正异常判定，输出正常精子和异常精子；本系统检测精子图片用时短，大大减轻了医生的工作量，准确率高，减小主观性带来的误差，可以辅助和部分替代医生进行精子形态评估，具有良好的应用前景。
-
公开(公告)号：CN112634243A
公开(公告)日：2021-04-09
申请号：CN202011578982.4
申请日：2020-12-28
Applicant: 吉林大学
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种强干扰因素下基于深度学习的图像分类识别系统；其中检测统计模块用于采集完整的细胞原图像，并对该细胞原图像进行逐块显示，根据细胞识别模块识别出的细胞类别及个数生成报告；细胞分割模块采用Unet网络细胞轮廓分割模型对观察窗口内显示的图像中细胞进行识别和分割，每处理完一个观察窗口，就将其输入细胞识别模块，直至处理完全部观察窗口；细胞识别模块采用SSD目标检测网络模型对细胞分割模块从观察窗口内识别并分割出的细胞进行定位以及识别；对显微镜下白细胞图像进行分析，辅助临床医生准确高效完成白细胞分类识别统计，提高准确率及判断精度，能够有效降低噪声干扰，提升分类识别效果。
-
公开(公告)号：CN108020811A
公开(公告)日：2018-05-11
申请号：CN201711280551.8
申请日：2017-12-06
Applicant: 吉林大学
IPC: G01S3/00
CPC classification number: G01S3/00
Abstract: 本发明涉及一种基于目标源相移差分技术的1维均匀线性阵列测向方法，属于阵列信号处理中目标源测向方法。首先以构造随传感器阵元位置角标线性变化的目标源传播相移所对应的传感器接收数据相关函数序列作为基础，包含前后衔接的Hankel矩阵方程和首项系数为1的一元高次方程等两部分内容，求解Hankel矩阵方程和一元高次方程，计算目标源入射角度。本发明对目标源和传感器阵元噪声的信号性质仅要求为平稳，在阵元噪声为高斯白噪和有色噪声时都适用；能够处理独立、相关和相干目标源信号及其混合等复杂外部源信号情况，同现有测向方法比较，具有较好的适应性和实用性。
-
公开(公告)号：CN117054978A
公开(公告)日：2023-11-14
申请号：CN202311025215.4
申请日：2023-08-15
Applicant: 吉林大学
IPC: G01S7/38
Abstract: 一种基于可重构智能表面的无人机干扰节点功率分配方法，它属于雷达干扰领域。本发明解决了现有对分布式MIMO雷达干扰方法干扰性能不佳的问题。本发明采取的主要技术方案为：步骤一、在分布式MIMO雷达接收机的远场处布置有多个无人机，且每个无人机上均携带有一个RIS面阵和一个干扰节点，利用分布式MIMO雷达的接收机接收经RIS辅助的干扰节点反射的信号；步骤二、计算分布式MIMO雷达接收机接收信号的CRLB，根据CRLB构建干扰节点发射功率分配的优化问题；步骤三、对步骤二中的优化问题进行求解，获得最优的干扰发射功率分配结果；根据获得的分配结果对各干扰节点的发射功率进行分配。本发明方法可以应用于雷达干扰领域。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.018 seconds)
