-
公开(公告)号：CN113255889B
公开(公告)日：2024-06-14
申请号：CN202110579022.8
申请日：2021-05-26
Applicant: 安徽理工大学 , 合肥博谐电子科技有限公司
IPC: G06T7/00 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N3/006 , G06V10/764
Abstract: 本发明提供了一种基于深度学习的职业性尘肺病多模态分析方法，属于尘肺病分析领域，包括：采集人员的胸部X片影像信息和个人基础信息；对个人基础信息进行词向量化处理；构建一维卷积神经网络和二维卷积神经网络，并在此基础上建立多模态卷积神经网络MM‑CNN模型；将上述两种信息作为多模态卷积神经网络MM‑CNN模型的输入，建立多分类MM‑CNN尘肺病分析模型，在满足相应约束下形成目标函数；采用混合跳蛙算法SFLA优化多分类MM‑CNN尘肺病分析模型的超参数；采用优化后的多分类MM‑CNN尘肺病分析模型对人员的胸部X片影像信息和词向量化处理后的个人信息进行分析，并输出分析结果。该方法能够实现人员肺部健康的准确、实时检测分析，完成部分职业性尘肺病的早期预警。
-
公开(公告)号：CN113255889A
公开(公告)日：2021-08-13
申请号：CN202110579022.8
申请日：2021-05-26
Applicant: 安徽理工大学 , 合肥博谐电子科技有限公司
Abstract: 本发明提供了一种基于深度学习的职业性尘肺病多模态分析方法，属于尘肺病分析领域，包括：采集人员的胸部X片影像信息和个人基础信息；对个人基础信息进行词向量化处理；构建一维卷积神经网络和二维卷积神经网络，并在此基础上建立多模态卷积神经网络MM‑CNN模型；将上述两种信息作为多模态卷积神经网络MM‑CNN模型的输入，建立多分类MM‑CNN尘肺病分析模型，在满足相应约束下形成目标函数；采用混合跳蛙算法SFLA优化多分类MM‑CNN尘肺病分析模型的超参数；采用优化后的多分类MM‑CNN尘肺病分析模型对人员的胸部X片影像信息和词向量化处理后的个人信息进行分析，并输出分析结果。该方法能够实现人员肺部健康的准确、实时检测分析，完成部分职业性尘肺病的早期预警。
-
公开(公告)号：CN113113148A
公开(公告)日：2021-07-13
申请号：CN202110466396.9
申请日：2021-04-28
Applicant: 安徽理工大学 , 合肥博谐电子科技有限公司
Abstract: 本发明涉及一种基于LLE结合SOM的矿工体检情况辨识方法，采集人体各项生理指标数据；按照LLE算法选择出采集的生理指标数据中重要体检生理指标；将选择出重要体检生理指标随机划分为训练集和测试集；利用训练集数据作为SOM算法的输入，建立体检数据异常情况识别模型；利用测试集对建立异常情况识别模型进行识别；得到正常与异常生理指标样本的辨识；非常适合高维数据的可视化，能够维持输入空间的拓扑结构，具有很高的泛化能力，它甚至能识别之前从没遇过的输入样本；可实现矿工体检异常情况的精准辨识。
-
公开(公告)号：CN111613340A
公开(公告)日：2020-09-01
申请号：CN202010436457.2
申请日：2020-05-21
Applicant: 安徽理工大学 , 合肥博谐电子科技有限公司
Abstract: 本发明公开了矿工健康评估方法及系统，涉及人体健康管理技术领域，1、搭建矿工健康管理系统；2、系统采集不同健康状况的矿工生理参数数据；3、采用ABC-RS算法对原始矿工健康数据进行属性约简；4、将属性约简后的数据按比例随机划分成训练集和预测集；5、利用训练集建立ELM健康诊断的预测模型，预测集检验早期职业病类别预测的效果。将ABC-RS算法与ELM算法相结合用于矿工生理指标数据的处理与预测评估；采用ABC-RS删选出矿工健康数据中的有用属性，利用按比例随机划分的训练集建立ELM健康诊断预测模型，预测集检验分类效果，最后实现对矿工健康状况的评估。
-
-
-
Search Results
4
records
(took 0.069 seconds)
