基于深度学习的睡眠觉醒分析方法

    公开(公告)号:CN110811558A

    公开(公告)日:2020-02-21

    申请号:CN201911124641.7

    申请日:2019-11-18

    Applicant: 郑州大学

    Abstract: 本发明公开了基于深度学习的睡眠觉醒分析方法,包括以下步骤:步骤1,通过多导睡眠仪采集受试者整个睡眠过程中的多模态生理信号,选取腹部和胸部的呼吸信号、呼吸气流和眼电图,同时选取第1和第2导联的EEG进行滤波处理后的多模态数据送入模型训练,采集到的信号转换为200Hz的信号频率,并以30秒的滑动窗口50%重叠率对数据进行样本切分,然后对每一维度的所有样本求平均值和标准差,并通过Z-Score标准化对数据进行预处理,通过引用多头注意力机制取代长短期记忆模型,并针对睡眠信号特征,设计了大卷积核来进行特征提取,实验表明,其在大幅提高模型训练速度的同时,减少了模型参数,并且有效提高了模型分析准确率。

    一种空心碳球封装Ru纳米颗粒电解水催化剂及其制备方法

    公开(公告)号:CN108531932A

    公开(公告)日:2018-09-14

    申请号:CN201810320972.7

    申请日:2018-04-11

    Applicant: 郑州大学

    Abstract: 本发明属于电解水催化剂制备技术领域,公开一种空心碳球封装Ru NPs电解水催化剂及其制备方法。所述催化剂为空心碳球结构,其内封装有Ru NPs。采用Stöber法制备SiO2纳米球,用硅烷偶联剂对SiO2纳米球进行修饰;以质量比计,SiO2纳米球∶RuCl3=4~10∶1,将修饰后的SiO2纳米球、RuCl3水热反应制得SiO2@RuO2 L;在SiO2@RuO2 L外面包覆酚醛树脂,制得SiO2@RuO2 L@酚醛树脂;焙烧、HF溶液刻蚀,得到空心碳球封装Ru NPs催化剂。本发明方法所制备出的空心碳球封装Ru NPs催化剂,析氢反应(HER)催化活性高,稳定性好,同时成本低、易于产业化。

    一种紫杉醇前药、纳米制剂及其制备方法与应用

    公开(公告)号:CN117964611A

    公开(公告)日:2024-05-03

    申请号:CN202410124760.7

    申请日:2024-01-30

    Applicant: 郑州大学

    Abstract: 本发明公开了一种紫杉醇前药、纳米制剂及其制备方法与应用,属于纳米生物技术领域。所述紫杉醇前药为紫杉醇与硫辛酸以酯键连接的小分子前药,其化学式如式Ⅰ所示:#imgabs0#本发明提供的基于紫杉醇前药的纳米制剂,组分明确、结构简单、载药量高,可经过口服途径或者静脉注射途径给药。该纳米制剂在胃肠道内具有一定的稳定性。载体材料硫辛酸钠可作为胃肠道及肿瘤部位广泛存在的MCT1转运体的底物,用于口服时该纳米可高效吸收入血,增加药物口服生利用度,并进一步靶向地传递到肿瘤组织。此外,硫辛酸钠上的二硫键在肿瘤细胞内高氧化还原的微环境诱导下断裂,使纳米制剂裂解,特异性地释放药物,提高药物在肿瘤细胞内的浓度,进一步提高抗肿瘤效果。

    基于多尺度卷积网络及主动学习的缺血性脑卒中分型方法

    公开(公告)号:CN114154593A

    公开(公告)日:2022-03-08

    申请号:CN202111608478.9

    申请日:2021-12-25

    Applicant: 郑州大学

    Abstract: 本发明公开了一种基于多尺度卷积网络及主动学习的缺血性脑卒中分型系统,包括,数据预处理模块将采集到患者特征进行降序排列,形成原始数据集;模型建立模块采用多尺度的因果卷积网络建模缺血性脑卒中患者病因分型的分型模型;数据分类模块将所述原始数据集中的患者特征代入到所述分型模型中进行病因分型;数据集更新模块利用混合不确定度根据数据分类模块对原始数据集分类时的分类难易程度选择更具分类难度的患者的数据增加至原始数据集中形成新数据集;终分型模块将所述新数据集中的患者特征代入到所述分型模型中,最终对缺血性脑中卒患者的病因进行分类;本发明提供方法有效的解决了高质量临床数据有限的问题。

    基于深度学习的睡眠觉醒分析方法

    公开(公告)号:CN110811558B

    公开(公告)日:2022-07-05

    申请号:CN201911124641.7

    申请日:2019-11-18

    Abstract: 本发明公开了基于深度学习的睡眠觉醒分析方法,包括以下步骤:步骤1,通过多导睡眠仪采集受试者整个睡眠过程中的多模态生理信号,选取腹部和胸部的呼吸信号、呼吸气流和眼电图,同时选取第1和第2导联的EEG进行滤波处理后的多模态数据送入模型训练,采集到的信号转换为200Hz的信号频率,并以30秒的滑动窗口50%重叠率对数据进行样本切分,然后对每一维度的所有样本求平均值和标准差,并通过Z‑Score标准化对数据进行预处理,通过引用多头注意力机制取代长短期记忆模型,并针对睡眠信号特征,设计了大卷积核来进行特征提取,实验表明,其在大幅提高模型训练速度的同时,减少了模型参数,并且有效提高了模型分析准确率。

    一种钌/碳双壳层电解水催化剂及其制备方法

    公开(公告)号:CN108514877A

    公开(公告)日:2018-09-11

    申请号:CN201810322271.7

    申请日:2018-04-11

    Applicant: 郑州大学

    Abstract: 本发明属于电解水催化剂制备技术领域,公开一种钌/碳双壳层电解水催化剂及其制备方法。所述催化剂为空心球结构,该空心球的壳层为钌/碳双壳层,且外壳层为碳,内壳层为Ru。采用Stöber法制备SiO2纳米球,用硅烷偶联剂对SiO2纳米球进行修饰;以质量比计,SiO2纳米球∶RuCl3=1~5∶2,将修饰后的SiO2纳米球、RuCl3水热反应制得SiO2@RuO2 L;在SiO2@RuO2 L外面包覆酚醛树脂,制得SiO2@RuO2 L@酚醛树脂;焙烧、HF溶液刻蚀,得到钌/碳双壳层催化剂。本发明方法所制备出的钌/碳双壳层催化剂,析氢反应(HER)催化活性高,稳定性好,同时成本低、易于产业化。

Patent Agency Ranking