-
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:CN115345204A
公开(公告)日:2022-11-15
申请号:CN202211023401.X
申请日:2022-08-25
Abstract: 本发明属于新生儿惊厥检测技术领域,具体涉及一种基于改进弹性网算法的新生儿惊厥检测系统;包括信号处理模块、特征提取模块、特征选择模块和分类模块,其中信号处理模块对信号处理并实现频率压缩;特征提取模块通过计算滑动窗口中每一列数据的统计学参数来提取特征;特征选择模块从特征提取模块最终的输出数据中选出各特征列中与其内部筛选出的特征种类相同的特征进行保留,分类模块采用支持向量机SVM模型对特征选择模块输出的分类模块输入数据进行分类,判定并输出每个样本是否对应为惊厥时刻;本系统对新生儿脑电信号进行分析,辅助医生准确高效地完成惊厥检测。
-
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:CN112244871A
公开(公告)日:2021-01-22
申请号:CN202011020143.0
申请日:2020-09-25
Applicant: 吉林大学
Abstract: 本发明属于机器学习技术领域,具体涉及一种基于机器学习的振幅整合脑电图分类识读系统,包括数据采集处理模块、特征提取模块和分类模块,其中数据采集处理模块用于采集并处理脑功能监护仪输出的振幅整合脑电图文本数据,特征提取模块用于提取振幅整合脑电图的幅度特征和非线性特征;分类模块采用随机森林分类模型对特征提取模块中提取出的幅度特征和非线性特征进行正异常判定,对随机森林分类模型中决策树的分类结果进行投票,投票次数最多的类型为最终判断结果;本系统对整合脑电图进行分析,辅助临床医生准确高效完成aEEG判定,尽早检查出患有癫痫的新生儿并及时治疗,提高准确率及判断精度。
-
公开(公告)号:CN110455732B
公开(公告)日:2021-09-28
申请号:CN201910801327.1
申请日:2019-08-28
Applicant: 吉林大学
Abstract: 本申请提供一种生物样本处理方法、生物样本的亚铁离子或总铁离子测定方法及检测试剂盒。上述生物样本处理方法,酸性溶液通过低渗透原理既可以将细胞充分涨裂,同时也可以使细胞内的铁离子在酸的作用下充分释放,并且不与显色剂发生其它反应,不影响对铁离子的测量。上述生物样本的亚铁离子测定方法和生物样本的总铁离子测定方法,通过提高了还原剂的浓度,使铁离子充分还原,通过增加了碱液,使得三吡啶基三嗪和溶液中的亚铁离子生成稳定的蓝紫色络合物,可用于亚铁离子的检测,简单易行且较为准确。上述亚铁离子和总铁离子检测试剂盒,可用于生物样本中亚铁离子和总铁离子的测定。
-
公开(公告)号:CN110455732A
公开(公告)日:2019-11-15
申请号:CN201910801327.1
申请日:2019-08-28
Applicant: 吉林大学
Abstract: 本申请提供一种生物样本处理方法、生物样本的亚铁离子或总铁离子测定方法及检测试剂盒。上述生物样本处理方法,酸性溶液通过低渗透原理既可以将细胞充分涨裂,同时也可以使细胞内的铁离子在酸的作用下充分释放,并且不与显色剂发生其它反应,不影响对铁离子的测量。上述生物样本的亚铁离子测定方法和生物样本的总铁离子测定方法,通过提高了还原剂的浓度,使铁离子充分还原,通过增加了碱液,使得三吡啶基三嗪和溶液中的亚铁离子生成稳定的蓝紫色络合物,可用于亚铁离子的检测,简单易行且较为准确。上述亚铁离子和总铁离子检测试剂盒,可用于生物样本中亚铁离子和总铁离子的测定。
-
-
-
-
-
-