-
公开(公告)号：CN117770816A
公开(公告)日：2024-03-29
申请号：CN202211175016.7
申请日：2022-09-26
IPC分类号： A61B5/16 , A61B5/369 , A61B5/245 , A61B5/0533 , A61B5/0205 , A61B5/00 , G06F18/214 , G06F18/241 , G06F18/22
摘要： 本申请实施例提供一种情绪识别方法、装置、芯片、电子设备及介质，该方法包括：获取第一生理信号集合；将第一生理信号集合输入预先训练好的情绪识别模型，获取情绪识别模型输出的情绪识别结果；其中，情绪识别模型根据第二生理信号集合训练得到；第二生理信号集合包括多种情境下的生理信号，不同种情境中的用于诱发情绪的因素相应不同。本申请实施例能够实现情绪识别目的。
-
公开(公告)号：CN116831599A
公开(公告)日：2023-10-03
申请号：CN202310752490.X
申请日：2023-06-25
摘要： 本公开涉及一种微状态源定位方法、装置、电子设备和存储介质，获取至少一个受试者通过多个导联获取的脑电信号组成的脑电信号数据，并绘制至少一个用于表征同一时刻每个导联位置的信号强度差异脑电拓扑图。通过对脑电拓扑图聚类得到至少一类微状态以及对应的特征拓扑图。根据每类微状态对应的特征拓扑图和每个受试者的脑电信号数据确定受试者对应的微状态序列。同时根据每个受试者的脑电信号数据确定用于表征三维空间中激活脑区位置时序变化的磁共振文件，根据每个受试者的磁共振文件和微状态序列确定每类微状态对应的目标激活脑区。本公开通过微状态序列与磁共振文件拟合的方式进行微状态源定位，定位过程简单高效且定位结果准确。
-
公开(公告)号：CN109685810A
公开(公告)日：2019-04-26
申请号：CN201811548687.7
申请日：2018-12-18
申请人： 清华大学
CPC分类号： G06T7/11 , A61B6/032 , A61B6/5205 , A61B6/5211 , G06N3/0454 , G06T2207/10081 , G06T2207/20081 , G06T2207/30056
摘要： 本发明公开了一种基于深度学习的肝包虫病灶识别方法及系统，方法包括：S1、从包虫病病例中获取包虫CT图像集；S2、基于公共数据集训练和验证肝脏分割模型，用以进行肝脏分割和肝脏体积定量；S3、通过肝脏分割模型从包虫CT图像集中获取分割后的肝脏区域，基于肝脏分割结果训练并验证病灶识别模型，在训练和验证中将囊性包虫病灶与泡性包虫病灶分别赋予不同的目标标签；S4、通过肝脏分割模型从一包虫CT图像中获取分割后的肝脏区域，在平扫CT上将肝脏区域作为VOI区输入病灶识别模型，得到识别结果。本发明所提供的方法及系统，能够挖掘肝脏占位等特征信息，使用手工标注包虫病灶的平扫CT图像，利用卷积神经网络模型对各种包虫病灶进行识别与分类。
-
公开(公告)号：CN115510907A
公开(公告)日：2022-12-23
申请号：CN202211182344.X
申请日：2022-09-27
申请人： 清华大学
摘要： 本申请涉及一种脑电信号分类方法、装置、设备和存储介质。所述方法包括：获取目标对象在预设诱发环境中观看诱发素材时所产生的目标原始脑电信号；将目标原始脑电信号输入由目标编码器和预测器组成的脑电信号分类模型中进行信号分类，得到脑电信号分类模型输出的信号分类结果；信号分类结果包括异常或正常。采用本方法能够解决当前相关领域数据集较小，难以应用深度学习方法的问题；在少量样本集上即可进行相对准确且避免过拟合的训练，使得模型学习到更准确的脑电信号的特征，扩展脑电信号的应用并充分利用脑电信号；对作为个体的目标对象进行脑电信号的获取与分类，实现对被检测个体对象的脑电信号准确的识别和分类。
-
公开(公告)号：CN109685809B
公开(公告)日：2020-11-17
申请号：CN201811548266.4
申请日：2018-12-18
申请人： 清华大学
摘要： 本发明公开了一种基于神经网络的肝包虫病灶分割方法及系统，方法包括：S1、训练并验证囊性包虫病灶分割模型；S2、训练并验证泡性包虫病灶分割模型；S3、从一包虫CT图像中获取分割后的肝脏区域，将肝脏区域输入病灶识别模型，得到识别结果；S4、当确定识别结果为囊性包虫病灶时，将VOI区输入囊性包虫病灶分割模型，得到第一分割结果；S5、当确定识别结果为泡性包虫病灶时，对VOI区进行血管识别与分割，将血管分割结果和VOI区输入泡性包虫病灶分割模型，得到第二分割结果。本发明提供的方法及系统，通过各种模型对多模态医学影像进行融合识别与特征提取，协助医生进行包虫病筛查工作，提高诊断效率和准确率。
-
公开(公告)号：CN109685809A
公开(公告)日：2019-04-26
申请号：CN201811548266.4
申请日：2018-12-18
申请人： 清华大学
CPC分类号： G06T7/11 , A61B6/032 , A61B6/5205 , A61B6/5211 , G06N3/0454 , G06T5/30 , G06T7/136 , G06T2207/10081 , G06T2207/20081 , G06T2207/20084 , G06T2207/30056 , G06T2207/30101
摘要： 本发明公开了一种基于神经网络的肝包虫病灶分割方法及系统，方法包括：S1、训练并验证囊性包虫病灶分割模型；S2、训练并验证泡性包虫病灶分割模型；S3、从一包虫CT图像中获取分割后的肝脏区域，将肝脏区域输入病灶识别模型，得到识别结果；S4、当确定识别结果为囊性包虫病灶时，将VOI区输入囊性包虫病灶分割模型，得到第一分割结果；S5、当确定识别结果为泡性包虫病灶时，对VOI区进行血管识别与分割，将血管分割结果和VOI区输入泡性包虫病灶分割模型，得到第二分割结果。本发明提供的方法及系统，通过各种模型对多模态医学影像进行融合识别与特征提取，协助医生进行包虫病筛查工作，提高诊断效率和准确率。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.019 秒)
