-
公开(公告)号：CN113076846B
公开(公告)日：2022-09-02
申请号：CN202110331069.2
申请日：2021-03-26
申请人： 山东大学
摘要： 本发明提供一种心音分类识别方法及系统，属于心音识别技术领域，使用全识别模型对采集的心音信号进行分析，确定心音信号是正常心音信号还是异常心音信号；根据全识别模型的识别结果，将心音信号输送至第一识别模型或第二识别模型，若第一识别模型或第二识别模型的识别结果与全识别模型的结果一致，则识别结果为全识别模型的识别结果；若不一致，则基于深度度量学习对心音信号进行分析，确定心音信号是正常心音信号还是异常心音信号。本发明将阴性数据和阳性数据分离开各自形成新的数据集合，分别对分类器模型进行训练，得到单一型数据模型，进而集成出一种新的分类器应用结构，进行分类结果进一步的判断甄别，提高了集成模型整体的分类准确率。
-
公开(公告)号：CN114052743A
公开(公告)日：2022-02-18
申请号：CN202111371552.X
申请日：2021-11-18
摘要： 本发明提供一种心电信号形态预测方法及系统，属于信号处理技术领域，提取待预测的心电信号的特征向量；利用预先训练好的预测模型，对提取的特征向量进行处理，获得心电信号的各波形态；其中，预先训练好的预测模型为在隐半马尔可夫模型中加入一个新的参数，即波形在某一时间段保持某一状态的概率。本发明根据心电信号的各波形特点，选择不同的统计方法确定波形持续时间概率分布函数，对隐半马尔可夫模型进行改进，提出双向预测的隐半马尔可夫模型，使用改进的双向预测Viterbi算法对心电波形进行划分，并对波形特征进行准确定位分析；提高了心电图临床识别效率，减少了相关医务人员的工作量，对临床上心血管疾病的预防、诊断及治疗等方面具有重大意义。
-
公开(公告)号：CN116206728A
公开(公告)日：2023-06-02
申请号：CN202211663024.6
申请日：2022-12-23
申请人： 山东大学
IPC分类号： G16H20/30 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/096 , G06F18/214
摘要： 本发明公开了一种基于传感器融合和迁移学习的康复训练方法及系统，利用传感器融合和迁移学习相结合的思想，建立中风康复肢体动作神经网络模型。与传统的机器学习等方法相比，降低了分类识别的成本与出错的概率，从而提升了中风康复肢体动作识别的准确度。在中风患者主动运动过程中能够较为准确的识别其康复动作是否和软件建议的动作一致并做出反馈，以更有效地促进中风患者早日康复。
-
公开(公告)号：CN114052743B
公开(公告)日：2024-02-23
申请号：CN202111371552.X
申请日：2021-11-18
摘要： 本发明提供一种心电信号形态预测方法及系统，属于信号处理技术领域，提取待预测的心电信号的特征向量；利用预先训练好的预测模型，对提取的特征向量进行处理，获得心电信号的各波形态；其中，预先训练好的预测模型为在隐半马尔可夫模型中加入一个新的参数，即波形在某一时间段保持某一状态的概率。本发明根据心电信号的各波形特点，选择不同的统计方法确定波形持续时间概率分布函数，对隐半马尔可夫模型进行改进，提出双向预测的隐半马尔可夫模型，使用改进的双向预测Viterbi算法对心电波形进行划分，并对波形特征进行准确定位分析；提高了心电图临床识别效率，减少了相关医务人员的工作量，对临床上心血管疾病的预防、诊断及治疗等方面具有重大意义。
-
公开(公告)号：CN116172572A
公开(公告)日：2023-05-30
申请号：CN202211663021.2
申请日：2022-12-23
申请人： 山东大学
IPC分类号： A61B5/346 , A61B5/00 , A61B5/355 , A61B5/366 , A61B5/353 , G06F18/10 , G06F18/24 , G06F18/2321
摘要： 本发明提供了一种基于SHAP值加权和分段HDBSCAN的心拍聚类方法及系统，采用SHAP模型计算心电数据库，包括公开数据库和自有数据库中所有类型心拍在分类任务中不同特征的贡献值，并将其作为聚类算法中的权重值；然后本发明采用分段聚类法，基于HDBSCAN算法将QRS波、P波段和T波段分别进行顺序三次聚类以获得最终的聚类结果，此算法不用预设聚类个数，能够有针对性的对不同人群的心电图进行较为准确且稳定的个性化聚类，具有较强的抗干扰性。
-
公开(公告)号：CN113076846A
公开(公告)日：2021-07-06
申请号：CN202110331069.2
申请日：2021-03-26
申请人： 山东大学
摘要： 本发明提供一种心音分类识别方法及系统，属于心音识别技术领域，使用全识别模型对采集的心音信号进行分析，确定心音信号是正常心音信号还是异常心音信号；根据全识别模型的识别结果，将心音信号输送至第一识别模型或第二识别模型，若第一识别模型或第二识别模型的识别结果与全识别模型的结果一致，则识别结果为全识别模型的识别结果；若不一致，则基于深度度量学习对心音信号进行分析，确定心音信号是正常心音信号还是异常心音信号。本发明将阴性数据和阳性数据分离开各自形成新的数据集合，分别对分类器模型进行训练，得到单一型数据模型，进而集成出一种新的分类器应用结构，进行分类结果进一步的判断甄别，提高了集成模型整体的分类准确率。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.018 秒)
