-
公开(公告)号：CN116644270A
公开(公告)日：2023-08-25
申请号：CN202310597573.6
申请日：2023-05-25
IPC分类号： G06F18/00 , A61B5/22 , A61B5/00 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G06F123/02
摘要： 本发明公开了一种基于递归图和宽度学习的肌强直评估方法及系统，涉及机器学习技术领域，用以解决现有模型对于输入的肌张力信号分类不准的问题。本发明的技术要点包括：采集不同人的肌张力时间序列信号，并对肌张力时间序列信号进行预处理；利用预处理后的肌张力时间序列信号构建递归图；提取不同人的肌张力时间序列信号所对应的基于递归图的量化特征；将量化特征输入基于宽度学习的分类模型中进行训练，获取训练好的分类模型；提取待测的肌张力时间序列信号所对应的量化特征，并将其输入训练好的分类模型中获取肌强直预测结果。本发明在实现时间序列可视化同时可获取具有明显区分度的肌张力特征，可满足肌强直评估中对评估准确率和效率的要求。
-
公开(公告)号：CN113705649B
公开(公告)日：2024-01-12
申请号：CN202110959839.8
申请日：2021-08-20
IPC分类号： G06F18/2411 , G06F18/213 , G06F18/10
摘要： 一种基于EMD‑SVD特征提取的手部震颤检测方法及系统，涉及机器学习技术领域，用以解决现有的手部震颤检测系统不能快速、准确地对采集的手部数据进行有效分类的问题。本发明的技术要点包括：利用手部震颤检测装置采集手部数据的时间序列，基于EMD方法进行信号处理，得到时间序列中的本征模态函数，采用SVD方法提取本征模态函数矩阵中的奇异值，得到手部震颤数据的有效特征，最后通过SVM分类器构建多分类策略，对上述特征进行分类，进而达到手部震颤检测的目的。本发明可应用于临床医疗上以判断患者手部是否存在震颤。
-
公开(公告)号：CN113240018B
公开(公告)日：2023-02-03
申请号：CN202110544233.8
申请日：2021-05-19
IPC分类号： G06V10/764 , G06V10/82 , G06N3/0499 , G06N3/084
摘要： 一种基于误差反向传播算法的手绘图形分类方法及系统，涉及神经网络技术领域，用以解决现有技术不能对手绘图像数据进行有效分类的问题。本发明的技术要点包括：设计一个或多个规则图形描绘模板；根据规则图形描绘模板获取手绘图像数据；对手绘图像数据进行预处理；构建并训练BP神经网络模型；将待分类手绘图像数据输入训练好的BP神经网络模型，获取分类结果。本发明可以区分出书写轨迹之间细微的差异，对于书写者是否存在震颤的划分更为精准。本发明可应用于临床医疗上以判断患者手部是否存在震颤。
-
公开(公告)号：CN113705649A
公开(公告)日：2021-11-26
申请号：CN202110959839.8
申请日：2021-08-20
IPC分类号： G06K9/62
摘要： 一种基于EMD‑SVD特征提取的手部震颤检测方法及系统，涉及机器学习技术领域，用以解决现有的手部震颤检测系统不能快速、准确地对采集的手部数据进行有效分类的问题。本发明的技术要点包括：利用手部震颤检测装置采集手部数据的时间序列，基于EMD方法进行信号处理，得到时间序列中的本征模态函数，采用SVD方法提取本征模态函数矩阵中的奇异值，得到手部震颤数据的有效特征，最后通过SVM分类器构建多分类策略，对上述特征进行分类，进而达到手部震颤检测的目的。本发明可应用于临床医疗上以判断患者手部是否存在震颤。
-
公开(公告)号：CN113240018A
公开(公告)日：2021-08-10
申请号：CN202110544233.8
申请日：2021-05-19
摘要： 一种基于误差反向传播算法的手绘图形分类方法及系统，涉及神经网络技术领域，用以解决现有技术不能对手绘图像数据进行有效分类的问题。本发明的技术要点包括：设计一个或多个规则图形描绘模板；根据规则图形描绘模板获取手绘图像数据；对手绘图像数据进行预处理；构建并训练BP神经网络模型；将待分类手绘图像数据输入训练好的BP神经网络模型，获取分类结果。本发明可以区分出书写轨迹之间细微的差异，对于书写者是否存在震颤的划分更为精准。本发明可应用于临床医疗上以判断患者手部是否存在震颤。
-
-
-
-
搜索结果
5 条记录 (耗时 0.048 秒)