-
公开(公告)号：CN109388972A
公开(公告)日：2019-02-26
申请号：CN201811265704.6
申请日：2018-10-29
申请人： 山东科技大学 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06F21/62 , G16H10/60 , G06K9/62 , G06F16/906
摘要： 一种基于OPTICS聚类的医疗数据异方差差分隐私保护方法，通过引入单链表update和指针S使得OPTICS聚类算法的时间复杂度降低，并采用了K-匿名和差分隐私保护的结合使得其安全性得到进一步增加，为了保证数据的可用性，采用异方差加噪的方式，使得数据可用性明显改善，再此过程中，我们假设攻击者在最大知识背景下，求得能够成功获取隐私信息的概率，设置隐私参数的上界，保证在隐私保护的范围内，有效的平衡了数据可用性和隐私安全之间的关系。
-
公开(公告)号：CN111027090A
公开(公告)日：2020-04-17
申请号：CN201811206205.X
申请日：2018-10-18
申请人： 山东科技大学 , 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于异方差差分和K-匿名机制的医疗数据隐私保护方法，通过引入差分隐私保护改善了K-anonymity弱保护性的缺点，增强了数据的安全性；同时利用CART决策树计算出的各属性权重对不同属性进行异方差加噪，给予对最终分类结果影响力小的属性大噪音，给予对最终分类结果影响力大的属性小噪音，改变了传统统一加噪的方式，增强了数据的可用性；最后加入深度神经网络使得其数据可用性有了直观的展示。
-
公开(公告)号：CN111027090B
公开(公告)日：2021-04-20
申请号：CN201811206205.X
申请日：2018-10-18
申请人： 山东科技大学 , 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于异方差差分和K‑匿名机制的医疗数据隐私保护方法，通过引入差分隐私保护改善了K‑anonymity弱保护性的缺点，增强了数据的安全性；同时利用CART决策树计算出的各属性权重对不同属性进行异方差加噪，给予对最终分类结果影响力小的属性大噪音，给予对最终分类结果影响力大的属性小噪音，改变了传统统一加噪的方式，增强了数据的可用性；最后加入深度神经网络使得其数据可用性有了直观的展示。
-
公开(公告)号：CN109740481B
公开(公告)日：2019-12-10
申请号：CN201811599241.7
申请日：2018-12-26
申请人： 山东科技大学 , 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
摘要： 一种基于跳跃连接的CNN与LSTM结合的房颤信号分类方法，通过将数据房颤信号数据加载到跳跃连接的CNN模型中，经过卷积、最大池化、激励、归一化、平均池化操作，进行特征提取，之后将特征提取完成的数据加载到LTSM模型中进行学习，最终达到对房颤信号分类的目的，分类的信号精确、高效。
-
公开(公告)号：CN109740481A
公开(公告)日：2019-05-10
申请号：CN201811599241.7
申请日：2018-12-26
申请人： 山东科技大学 , 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
摘要： 一种基于跳跃连接的CNN与LSTM结合的房颤信号分类方法，通过将数据房颤信号数据加载到跳跃连接的CNN模型中，经过卷积、最大池化、激励、归一化、平均池化操作，进行特征提取，之后将特征提取完成的数据加载到LTSM模型中进行学习，最终达到对房颤信号分类的目的，分类的信号精确、高效。
-
公开(公告)号：CN110263684B
公开(公告)日：2021-02-09
申请号：CN201910489830.8
申请日：2019-06-06
申请人： 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于轻量级神经网络的心电图分类方法，通过单导联心电图数据和轻量级神经网络模型实现心律失常自动分类的方法。首先，肢体II导联心电信号蕴含足够的信息；其次，使用卷积核大小为1的卷积层和全局平均池化层压缩特征维度；最后使用流线型的深度可分离卷积快速提取特征。利用单导联数据集和轻量级神经网络模型可以在保证模型准确率的基础上大幅度提高模型运算速度。
-
公开(公告)号：CN110179453B
公开(公告)日：2020-01-03
申请号：CN201810555347.0
申请日：2018-06-01
申请人： 山东省计算中心(国家超级计算济南中心)
IPC分类号： A61B5/0402
摘要： 一种基于卷积神经网络和长短期记忆网络的心电图分类方法，通过多导联心电图数据和卷积神经网络和长短期记忆网络（CNN‑LSTM）组合模型实现心律失常自动分类的方法。一方面多导联心电图较单导联心电图蕴含更多信息，另一方面CNN‑LSTM组合模型结合CNN和LSTM的优点，在学习空间数据结构和时间序列结构方面有着独特优势，利用多导联心电图数据训练CNN‑LSTM能够提高网络的学习效率和心电图识别的精度。
-
公开(公告)号：CN110251120B
公开(公告)日：2021-03-30
申请号：CN201910489829.5
申请日：2019-06-06
申请人： 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于注意力机制的深度残差神经网络的心电图分类方法，通过多导联心电图数据和基于注意力机制的深层残差神经网络模型实现心律失常自动分类，首先多导联心电图较单导联心电图蕴含更多心电信息，其次深度残差网络可以更高的学习模型的特征，有助于模型收敛，最后注意力机制模块自动增强特征图，提高模型泛化能力，提高网络的学习效率和心电图识别的精度。
-
公开(公告)号：CN110263684A
公开(公告)日：2019-09-20
申请号：CN201910489830.8
申请日：2019-06-06
申请人： 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于轻量级神经网络的心电图分类方法，通过单导联心电图数据和轻量级神经网络模型实现心律失常自动分类的方法。首先，肢体II导联心电信号蕴含足够的信息；其次，使用卷积核大小为1的卷积层和全局平均池化层压缩特征维度；最后使用流线型的深度可分离卷积快速提取特征。利用单导联数据集和轻量级神经网络模型可以在保证模型准确率的基础上大幅度提高模型运算速度。
-
公开(公告)号：CN110251120A
公开(公告)日：2019-09-20
申请号：CN201910489829.5
申请日：2019-06-06
申请人： 山东省计算中心(国家超级计算济南中心)
IPC分类号： A61B5/0402
摘要： 一种基于注意力机制的深度残差神经网络的心电图分类方法，通过多导联心电图数据和基于注意力机制的深层残差神经网络模型实现心律失常自动分类，首先多导联心电图较单导联心电图蕴含更多心电信息，其次深度残差网络可以更高的学习模型的特征，有助于模型收敛，最后注意力机制模块自动增强特征图，提高模型泛化能力，提高网络的学习效率和心电图识别的精度。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.056 秒)
