-
公开(公告)号:CN119152583B
公开(公告)日:2025-01-17
申请号:CN202411641643.4
申请日:2024-11-18
Applicant: 中南大学
Abstract: 本发明涉及运动姿态感知技术领域,尤其涉及一种运动体运动姿态感知方法及系统。所述方法包括以下步骤:对运动体对应的运动过程进行运动图像实时拍摄,得到运动体实时运动变化图像数据;对运动体对应的运动过程进行运动状态参数实时监测,得到运动体实时加速度数据以及运动体实时角速度数据;对其进行时序对齐同步处理,同时进行运动体运动坐标定位和长短期互补滤波融合分析,得到运动体运动姿态变化融合特征序列;基于运动体运动姿态变化融合特征序列对运动过程进行运动姿态轨迹识别分析,同时进行姿态变化模式识别分析和运动姿态感知分类,以得到运动体在当前运动过程中对应的运动姿态类别信息。本发明能够实现对运动体运动姿态的高精度感知。
-
公开(公告)号:CN118193759B
公开(公告)日:2024-10-25
申请号:CN202410458244.8
申请日:2024-04-16
Applicant: 中南大学湘雅医院
IPC: G06F16/41 , G06F16/45 , G06F16/483 , G06F16/2458 , G16H50/70
Abstract: 本发明公开了基于大模型的医疗科研数据交互式引导索引方法及系统。该基于大模型的医疗科研数据交互式引导索引方法,包括以下步骤:数据特征提取;模型构建;交互索引。本发明通过对收集的初始历史医疗科研数据进行预处理获取历史医疗科研数据,然后提取历史医疗科研数据的数据特征得到历史医疗科研数据特征,接着根据获取的历史医疗科研数据特征构建医疗科研数据索引模型,最后获取实时待查询内容并利用自然语言处理方法将实时待查询内容通过对话式界面与医疗科研数据索引模型进行交互得到交互结果并反馈给预设人员,达到了提高医疗科研数据交互式查找速率的效果,解决了现有技术中存在医疗科研数据交互式查找速率低的问题。
-
公开(公告)号:CN118197644A
公开(公告)日:2024-06-14
申请号:CN202410456858.2
申请日:2024-04-16
Applicant: 中南大学湘雅医院
Abstract: 本发明提供一种基于大模型的医疗科研标准数据的生成方法,涉及数据处理技术领域。该方法包括采集医疗大数据,并对医疗大数据进行标准化建设分析,形成医疗科研大模型;获取目标医疗科研数据,并进行需求分析,形成科研需求信息;基于科研需求信息,在医疗科研大模型中进行标准数据的提取分析,生成目标医疗科研标准数据。该方法通过利用数据大模型来建立宽泛的标准原始数据,为不同需求的医疗科研提供充分且有效的科研需求数据,保证医疗科研能够更加顺利且有效开展。
-
公开(公告)号:CN116304595B
公开(公告)日:2023-08-04
申请号:CN202310529219.X
申请日:2023-05-11
Applicant: 中南大学湘雅医院
IPC: G06F18/15 , G16H20/30 , G06F18/22 , G06F18/23 , G06F18/2433
Abstract: 本发明公开了一种基于共享云平台的智能运动分析系统及方法,属于运动智能监测技术领域。本发明通过运动数据采集模块采集原始运动数据,运动数据处理模块根据原始运动数据确定用户活跃时长、时间步数比重以及步数相似度,将根据用户活跃时长、时间步数比重以及步数相似度筛选出的异常运动数据进行剔除,得到正常运动数据,运动数据分析模块基于从正常运动数据中提取的出特征数据得到运动趋势数据,根据运动趋势数据进行数据分析,得到运动数据分析结果,云平台将运动数据分析结果发送至各个用户终端,以实现运动数据的共享,通过上述方式可以准确分析出用户的实际运动情况,能够有效保证用户的健康安全,同时还通过云平台实现了运动数据的共享。
-
公开(公告)号:CN116510258A
公开(公告)日:2023-08-01
申请号:CN202310482918.3
申请日:2023-04-28
Applicant: 中南大学
IPC: A63B24/00
Abstract: 本发明实施例提供一种运动质量的确定方法、确定装置及电子设备。该方法包括:获取运动者的多种数据,根据运动者的多种数据确定运动者的动作标准程度和运动强度,根据动作标准程度和运动强度以及与动作标准程度和运动强度相关的加权因子综合确定运动质量。该过程通过获取运动者的数据,根据数据确定运动者的运动标准程度和运动强度,根据运动标准程度和运动强度综合确定运动者的运动质量,提高了对运动质量确定的准确性。
-
公开(公告)号:CN114639377A
公开(公告)日:2022-06-17
申请号:CN202210285395.9
申请日:2022-03-23
Applicant: 中南大学
Abstract: 本发明公开了一种综合性教学视频语音文本提取方法。首先基于训练过的CLDNN模型来对视频中的语音进行识别;然后基于训练过的双重对抗网络来对步骤1中所提取的语音进行噪声去除,以得到去噪后的语音。最后采用训练后的端到端的语音识别模型进行后端处理,其中端到端的语音识别模型基于Conformer建立,将去噪后的语音输入至语音识别模型,然后对输出结果进行自然语言处理,从而得到文本内容。本发明针对教学视频的特性,通过包括语音活动检测、语音增强和后端处理三个部分的综合方案来实现文本提取,同时引入Noisy Student Training半监督学习方法以使得模型可以在大规模无标签的数据下习通进行学。过实验证明,本文提出的方案可以有效地提高文本提取的效率与准确性。
-
-
-
-
-