-
公开(公告)号：CN113343694B
公开(公告)日：2023-04-07
申请号：CN202110474668.X
申请日：2021-04-29
申请人： 山东师范大学
IPC分类号： G06F40/295 , G06F40/205 , G06F40/253 , G06N3/0464 , G16H10/60
摘要： 本公开提供了一种医疗命名实体识别方法及系统，获取待识别的医疗文本数据；根据获取的医疗文本数据，得到至少一个句子中的词嵌入向量；进行句子中短语的语法角色标记，结合短语之间的依存关系，得到短语之间的关系图，根据预设图卷积神经网络中，得到特征向量；将获取的词嵌入向量和特征向量进行拼接，得到拼接后的输入向量；根据拼接后的输入向量和预设动态堆叠网络，得到医疗命名实体识别结果；本公开采用动态堆叠网络的原因是为了解决实体嵌套的问题，极大的提高了医疗命名实体的识别精度。
-
公开(公告)号：CN114209320B
公开(公告)日：2024-05-07
申请号：CN202111362136.3
申请日：2021-11-17
申请人： 山东师范大学
摘要： 本发明提供了一种基于图互信息最大化的抑郁症患者脑电识别系统，包括：数据获取模块，被配置为：获取待识别的脑电信号并进行预处理；特征提取模块，被配置为：根据待识别的脑电信号以及预设特征提取模型，得到提取后的特征向量；抑郁症识别模块，被配置为：根据获取的特征向量和预设分类模型，得到抑郁症识别结果；其中，预设特征提取模型的训练，包括：根据基于脑电信号得到的邻接矩阵和特征矩阵进行图卷积神经网络的预训练，基于图互信息最大化，通过局部‑全局互信息最大化的对比学习训练图卷积神经网络的输出层；本发明利用图互信息最大化方法，充分利用了多通道信号及其相关性，实现了基于MDD脑电信号的更准确的抑郁症识别。
-
公开(公告)号：CN113362963A
公开(公告)日：2021-09-07
申请号：CN202110583454.6
申请日：2021-05-27
申请人： 山东师范大学
摘要： 本发明属于数据分析挖掘技术领域，提供了一种基于多源异构网络的预测药物之间副作用的方法及系统。其中，该方法包括获取药物之间副作用的数据、药物和副作用之间对应关系的数据及药物和不同生物模态之间对应关系的数据，构建不同药物之间相互作用的符号网络；针对不同生物模态，对药物之间相互作用的符号网络进行图卷积，得到相应特征矩阵，并融合所有生物模态下的特征矩阵；通过解码矩阵对融合的特征矩阵中的药物编码进行解码，得到重构的药物之间的副作用网络；根据重构的药物之间的副作用网络中的信息得到邻接矩阵，根据邻接矩阵计算预测药物之间的副作用的准确率。
-
公开(公告)号：CN113261973A
公开(公告)日：2021-08-17
申请号：CN202110396507.3
申请日：2021-04-13
申请人： 山东师范大学
摘要： 本发明属于的房颤心电信号处理领域，提供了加权多尺度有限穿越可视图辨识房颤心电信号方法及系统。其中，该方法包括获取设定长度的心电信号；提取所述心电信号的原始特征，得到对应的原始特征向量；将所述心电信号转换成网络形式，提取对应网络特征，得到对应的网络特征向量，其中，网络特征包括新加入的局部效率熵；将原始特征向量与网络特征向量融合后输入至机器学习模型中，得到心电信号的类别辨识结果，其中，所述心电信号的类别包括房颤心电信号、正常电信号、噪声信号和其他心电信号。
-
公开(公告)号：CN110765625B
公开(公告)日：2021-05-11
申请号：CN201911039934.5
申请日：2019-10-29
申请人： 山东师范大学
IPC分类号： G06F30/20
摘要： 本公开提供了一种定时长调整高压油管内压强的方法及装置。其中，定时长调整高压油管内压强的方法，包括步骤1：根据预期调整时长ttarg及调整后预期压强Ptar，对高压油管进行预实验，得到单向油阀开阀时长范围区间(tmin,tmax)；步骤2：随机设定单向油阀开阀时长t开，t开∈(tmin,tmax)，根据高压油管已知参数，计算预期调整时长ttarg后的高压油管内压强P预；步骤3：比较P预与Ptar两者大小，若|P预‑Ptar|≤P误，P误为预设误差值，则确定t开为最终的单向油阀开阀时长；否则，在(tmin,tmax)范围内采用二分法继续寻找单向油阀开阀时长值，直至|P预‑Ptar|≤P误成立。
-
公开(公告)号：CN111248913A
公开(公告)日：2020-06-09
申请号：CN202010071272.6
申请日：2020-01-21
申请人： 山东师范大学
摘要： 本发明公开了基于迁移学习的慢性阻塞性肺疾病预测系统、设备及介质，包括：获取模块，获取慢性阻塞性肺疾病数据和待预测的疾病数据，对慢性阻塞性肺疾病和待预测疾病数据均进行预处理；提取模块，从预处理后的待预测疾病数据中提取待预测疾病的若干个特征；从预处理后的慢性阻塞性肺疾病数据中提取慢性阻塞性肺疾病数据的若干个特征；相似度计算模块，计算待预测疾病的所有特征与慢性阻塞性肺疾病数据的所有特征之间的相似度，对待预测疾病的特征赋予权重；预测模块，将赋予权重后的待预测疾病的特征进行加权融合；将融合后的待预测疾病的特征输入到预训练的基于迁移学习的弹性网络中，输出待预测疾病是否会发展为慢性阻塞性肺疾病。
-
公开(公告)号：CN111383764B
公开(公告)日：2024-03-26
申请号：CN202010115600.8
申请日：2020-02-25
申请人： 山东师范大学
摘要： 本公开公开了一种机械通气驱动压与呼吸机相关事件的相关性检测系统，包括：数据预处理模块，通过样本熵插值法得到48小时内机械通气驱动压起始值、最终值以及机械通气驱动压变化值，并填充至获取的待测病例指标中；特征选择模块，从呼吸机相关事件发生病例中筛选与呼吸机相关事件发生有关的病理特征作为训练集；模型构建与检测模块，基于训练集采用逻辑回归算法构建相关性检测模型，基于相关性检测模型对待测病例指标进行预测，判断机械通气驱动压变化值与呼吸机相关事件发生的相关性概率。基于机器学习的逻辑回归算法，将呼吸机相关事件VAE与机械通气驱动压变化值建立联系，监测机械通气驱动压变化对呼吸机相关事件VAE的影响。
-
公开(公告)号：CN113261973B
公开(公告)日：2022-09-02
申请号：CN202110396507.3
申请日：2021-04-13
申请人： 山东师范大学
摘要： 本发明属于的房颤心电信号处理领域，提供了加权多尺度有限穿越可视图辨识房颤心电信号方法及系统。其中，该方法包括获取设定长度的心电信号；提取所述心电信号的原始特征，得到对应的原始特征向量；将所述心电信号转换成网络形式，提取对应网络特征，得到对应的网络特征向量，其中，网络特征包括新加入的局部效率熵；将原始特征向量与网络特征向量融合后输入至机器学习模型中，得到心电信号的类别辨识结果，其中，所述心电信号的类别包括房颤心电信号、正常电信号、噪声信号和其他心电信号。
-
公开(公告)号：CN114209320A
公开(公告)日：2022-03-22
申请号：CN202111362136.3
申请日：2021-11-17
申请人： 山东师范大学
摘要： 本发明提供了一种基于图互信息最大化的抑郁症患者脑电识别系统，包括：数据获取模块，被配置为：获取待识别的脑电信号并进行预处理；特征提取模块，被配置为：根据待识别的脑电信号以及预设特征提取模型，得到提取后的特征向量；抑郁症识别模块，被配置为：根据获取的特征向量和预设分类模型，得到抑郁症识别结果；其中，预设特征提取模型的训练，包括：根据基于脑电信号得到的邻接矩阵和特征矩阵进行图卷积神经网络的预训练，基于图互信息最大化，通过局部‑全局互信息最大化的对比学习训练图卷积神经网络的输出层；本发明利用图互信息最大化方法，充分利用了多通道信号及其相关性，实现了基于MDD脑电信号的更准确的抑郁症识别。
-
公开(公告)号：CN113345523A
公开(公告)日：2021-09-03
申请号：CN202110592269.3
申请日：2021-05-28
申请人： 山东师范大学
摘要： 本发明公开了一种基于图注意力网络的微生物‑疾病关联性预测方法及系统，所述方法包括以下步骤：获取微生物和疾病的对应关系数据，构建邻接矩阵；根据邻接矩阵，分别计算微生物相似性矩阵和疾病相似性矩阵；根据微生物和疾病相似性矩阵，对微生物和疾病之间的关系进行补充，得到新的邻接矩阵；根据新的邻接矩阵，基于图注意网络，对微生物和疾病之间的关联进行重构。本发明通过微生物相似性和疾病相似性的分析，能够充分挖掘微生物与疾病之间的潜在关联关系，然后通过图注意力网络进行关联重构，提高预测的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
29 条记录 (耗时 0.027 秒)
