内镜黏膜下剥离手术阶段的识别方法及识别设备

    公开(公告)号:CN117037043A

    公开(公告)日:2023-11-10

    申请号:CN202311141387.8

    申请日:2023-09-06

    摘要: 本发明公开了一种内镜黏膜下剥离手术阶段的识别方法及识别设备,主要解决现有技术中存在的因ESD视野狭窄和消化道内环境复杂等特点及手术流程极为复杂且手术段之间的顺序性较弱,使得ESD的手术阶段识别成为一个困扰很久的问题。该发明包括获取不同内镜黏膜下剥离手术ESD对其预处理得到数据集;创建组合模型,其包括第一模型、第二模型和第三模型;用数据集训练的第一模型后提取数据集的空间特征;用空间特征训练第二模型后提取数据集的时间特征;拼接空间特征和时间特征后训练第三模型;加在训练后的组合模型,输入待测ESD数据输出手术阶段识别结果。通过上述方案,本发明达到了能精准识别ESD手术阶段的目的。

    一种基于深度神经网络的细粒度肠鸣音识别方法及装置

    公开(公告)号:CN116052725B

    公开(公告)日:2023-06-23

    申请号:CN202310335591.7

    申请日:2023-03-31

    摘要: 本发明公开了一种基于深度神经网络的细粒度肠鸣音识别方法及装置,主要解决现有技术中存在的非常依赖手工提取的信号特征,将1维音频数据转换为2维特征图的过程中损失了大量的相关信息,无法准确定位肠鸣音事件发生的具体时刻的问题。该一种基于深度神经网络的细粒度肠鸣音识别方法采集并标注腹部听诊录音数据;构建基于Transformer结构的深度神经网络模型,使用标注后的腹部听诊录音数据训练所述深度神经网络得到最终模型;加载最终模型,输入的腹部声音信号得到对应的肠鸣音识别结果。通过上述方案,本发明达到了无需手工特征提取,仅通过端到端的训练即可实现对肠鸣音事件的细粒度精确识别。

    一种基于深度神经网络的细粒度肠鸣音识别方法及装置

    公开(公告)号:CN116052725A

    公开(公告)日:2023-05-02

    申请号:CN202310335591.7

    申请日:2023-03-31

    摘要: 本发明公开了一种基于深度神经网络的细粒度肠鸣音识别方法及装置,主要解决现有技术中存在的非常依赖手工提取的信号特征,将1维音频数据转换为2维特征图的过程中损失了大量的相关信息,无法准确定位肠鸣音事件发生的具体时刻的问题。该一种基于深度神经网络的细粒度肠鸣音识别方法采集并标注腹部听诊录音数据;构建基于Transformer结构的深度神经网络模型,使用标注后的腹部听诊录音数据训练所述深度神经网络得到最终模型;加载最终模型,输入的腹部声音信号得到对应的肠鸣音识别结果。通过上述方案,本发明达到了无需手工特征提取,仅通过端到端的训练即可实现对肠鸣音事件的细粒度精确识别。