-
公开(公告)号：CN111461201B
公开(公告)日：2023-09-19
申请号：CN202010237398.6
申请日：2020-03-30
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
IPC: G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明基于相空间重构的传感器数据分类方法，包括步骤：1)把一维传感器时间序列通过基于坐标延迟的相空间重构映射到一个m维的相空间，使传感器数据暴露隐含的关键信息，得到相空间轨迹矩阵；2)把提取到的各个传感器在时刻i下的数据输入到长短期记忆网络模块，设置长短期记忆网络输入的时间步长均为相空间重构的嵌入维数m；3)将各个长短期记忆网络输出的状态信息类比图像的RGB矩阵输入二维卷积神经网络模块，二维卷积神经网络提取的特征输入全连接层，得出分类结果。本发明基于相空间重构的传感器数据分类方法，其改善了原始一维传感器数据结构上的局限性和传感器数据分类准确率受限的问题，能实现对时刻点上的传感器数据进行准确分类。
-
公开(公告)号：CN110200626A
公开(公告)日：2019-09-06
申请号：CN201910516368.6
申请日：2019-06-14
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
IPC: A61B5/0484
Abstract: 本发明提供一种基于投票分类器的视觉诱导晕动症检测方法，包括使用头戴设备Muse的四个通道采集受试者在驾驶车辆驾驶模拟器过程中诱发产生的EEG数据及从受试者的口头报告中采集主观VIMS级别数据的步骤，对数据依次进行滤波、标准化、数据均衡和PCA降维的数据预处理步骤，以及采用由RF分类器、SVM分类器、KNN分类器和XGBoost分类器组成的投票分类器进行分类的VIMS级别分类步骤。本申请采用头戴设备Muse采集连续的EEG数据，因而成本较低，采集数据的通道数较少，且采用投票分类器分类无论在准确率上还是在Kappa指标上都取得了很好的分类性能，对于VIMS症状的检测效果更具有客观性。
-
公开(公告)号：CN111461201A
公开(公告)日：2020-07-28
申请号：CN202010237398.6
申请日：2020-03-30
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
Abstract: 本发明基于相空间重构的传感器数据分类方法，包括步骤：1)把一维传感器时间序列通过基于坐标延迟的相空间重构映射到一个m维的相空间，使传感器数据暴露隐含的关键信息，得到相空间轨迹矩阵；2)把提取到的各个传感器在时刻i下的数据输入到长短期记忆网络模块，设置长短期记忆网络输入的时间步长均为相空间重构的嵌入维数m；3)将各个长短期记忆网络输出的状态信息类比图像的RGB矩阵输入二维卷积神经网络模块，二维卷积神经网络提取的特征输入全连接层，得出分类结果。本发明基于相空间重构的传感器数据分类方法，其改善了原始一维传感器数据结构上的局限性和传感器数据分类准确率受限的问题，能实现对时刻点上的传感器数据进行准确分类。
-
公开(公告)号：CN111291832A
公开(公告)日：2020-06-16
申请号：CN202010167099.X
申请日：2020-03-11
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
Abstract: 本发明基于Stack集成神经网络的传感器数据分类方法，其包括1)构建基础学习器，基础学习器包括特征提取单元和与特征提取单元连接的特征分类单元；2)将若干个基础学习器的输出作为元学习器的输入，构建成Stacking模型；3)将传感器数据同时输入各个基础学习器的各个特征提取单元的一维卷积层，各个基础学习器的输出作为Stacking模型的元学习器的输入，经元学习器处理后由元学习器的softmax函数层输出最终分类结果。本发明结合卷积神经网络和长短期记忆网络提取传感器数据特征的优势，提高了对传感器数据分类的准确性，并且采用Stacking模型降低了由于卷积神经网络的参数随机初始化造成分类结果波动的影响。
-
公开(公告)号：CN108416769B
公开(公告)日：2021-06-04
申请号：CN201810174574.9
申请日：2018-03-02
Applicant: 成都斯斐德科技有限公司 , 重庆大学
Abstract: 本发明公开了一种基于预处理的IVOCT图像易损斑块自动检测方法，首先收集含有易损斑块的正样本IVOCT图像和不含易损斑块的负样本IVOCT图像，将样本IVOCT图像从笛卡尔坐标系转换至极坐标系并进行去噪处理，将每张IVOCT图像各自进行首尾拼接，在拼接IVOCT图像中采用原图像大小的滑动窗口提取图像并得到所提取图像的镜像图像，然后对每张图像各自进行首尾拼接，从而对样本数据进行增强，采用增强后的训练样本集对Faster R‑CNN网络进行训练，采用训练得到的Faster R‑CNN网络对待检测IVOCT图像进行易损斑块检测,对检测后的图像进行重叠易损斑块区域处理，再进行坐标系还原。本发明可以有效改善IVOCT图像易损斑块自动检测的技术性能，结果更具有客观性，可以大大减少医生的工作量。
-
Patent Agency Ranking
公开(公告)号：CN109009094B
公开(公告)日：2021-03-30
申请号：CN201810635091.4
申请日：2018-06-20
Applicant: 成都美律科技有限公司 , 重庆大学
IPC: A61B5/369
Abstract: 本发明公开了一种基于脑电信号KC复杂度的视觉诱导晕动症检测方法，在用户的左右额叶区、左颞叶区分别设置一个脑电信号传感器，分别采集用户在正常阶段和检测阶段的三个通道脑电信号，计算出每个脑电信号的KC复杂度，当正常阶段与检测阶段的检测信号差异较大时判定出现视觉诱导晕动症现象，从而实现视觉诱导晕动症的检测。
-
公开(公告)号：CN109009094A
公开(公告)日：2018-12-18
申请号：CN201810635091.4
申请日：2018-06-20
Applicant: 成都美律科技有限公司 , 重庆大学
IPC: A61B5/0476
CPC classification number: A61B5/0476 , A61B5/72
Abstract: 本发明公开了一种基于脑电信号KC复杂度的视觉诱导晕动症检测方法，在用户的左右额叶区、左颞叶区分别设置一个脑电信号传感器，分别采集用户在正常阶段和检测阶段的三个通道脑电信号，计算出每个脑电信号的KC复杂度，当正常阶段与检测阶段的检测信号差异较大时判定出现视觉诱导晕动症现象，从而实现视觉诱导晕动症的检测。
-
公开(公告)号：CN107483912A
公开(公告)日：2017-12-15
申请号：CN201710767972.7
申请日：2017-08-31
Applicant: 成都斯斐德科技有限公司 , 重庆大学
CPC classification number: H04N13/106 , H04N13/156 , H04N13/305
Abstract: 本发明公开了一种基于浮点型柱状透镜光栅的多视点图像融合方法，在现有技术基础上，针对系数阵列生成，采用先乘除法后取余运算，然后再对行和列的计算进行变形，这样不仅能减少取余运算的个数，而且也能使得变形之后的计算中减少了浮点型数据的乘法运算，计算量更少。在行、列变形之后的公式上，转化取余运算，硬件中没有对于浮点型数据的取余运算，通过一个比较器转化为硬件能实现的加减运算；同时，在进行图像子像素采集时，融合图像中的每一个子像素来源于不同的两个视点，且每个视点占不同的比例，这样将多幅视图进行子像素采集并加权融合成一幅适合于浮点型柱状透镜光栅显示的裸眼3D图像，在保证精度的同时，更加节省硬件资源。
-
公开(公告)号：CN107397532A
公开(公告)日：2017-11-28
申请号：CN201710711354.0
申请日：2017-08-18
Applicant: 成都斯斐德科技有限公司 , 重庆大学
CPC classification number: A61B5/4005 , A61B5/021 , A61B5/024 , A61B5/72 , A61B5/7246 , A61B5/7282
Abstract: 本发明公开了一种基于收缩压和脉搏率相关性的视觉诱导晕动症检测方法，首先分别采集用户在正常阶段和检测阶段的收缩压数据和脉搏率数据，归一化处理后，分别提取各个数据的Mayer波，分别计算正常阶段和检测阶段收缩压Mayer波与脉搏率Mayer波之间的最大互相关系数，筛选得到正常阶段和检测阶段的最大互相关系数峰值，计算正常阶段和检测阶段的最大互相关系数峰值的相对偏差，当检测阶段较正常阶段出现最大互相关系数峰值下降时，判定出现视觉诱导晕动症现象，从而实现视觉诱导晕动症的检测。
-
公开(公告)号：CN110490324A
公开(公告)日：2019-11-22
申请号：CN201910773986.9
申请日：2019-08-21
Applicant: 重庆大学
IPC: G06N3/08
Abstract: 本发明提供一种梯度下降宽度学习系统实现方法，梯度下降宽度学习系统由特征层、增强层和输出层三个密集层和一个合并层构成，特征层使用随机映射将输入数据映射为映射特征以形成特征节点，增强层对特征层输出的映射特征进行增强以形成增强节点，合并层将特征节点和增强节点的输出进行合并后作为一个整体输入到输出层，输出层将合并层的输出进行映射成网络最终的输出，训练时小批量训练样本被不断输入梯度下降宽度学习系统，梯度下降宽度学习系统采用梯度下降法来更新网络的权重，使均方误差MSE损失函数的损失逐渐减小。本方法实现的梯度下降宽度学习系统在不断进行小批量训练样本训练时，能够明显提升分批训练时的回归性能，可应用于回归任务。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.035 seconds)
