-
公开(公告)号：CN116994310B
公开(公告)日：2024-02-23
申请号：CN202310773735.7
申请日：2023-06-28
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC: G06V40/16 , G06V20/40 , G06V10/25 , G06V10/774 , G06F17/16 , G06N3/048 , G06N3/08 , G06V10/82 , A61B5/024
Abstract: 一种基于rPPG信号的远程心率检测方法，涉及非接触式信号检测领域，在ROI定义阶段，对人脸区域进行定位与跟踪，利用先验知识，直接选择人脸中包含rPPG信号最丰富的区域作为ROI，忽略复杂环境噪声信息和与rPPG信号不相关信息的影响，利用通道、空间宽度和空间高度三个维度的注意力权重对特征图进行更新，有效滤除由于运动和光照变化产生的噪声的干扰，使模型在复杂环境中仍能准确提取有效rPPG信号信息。使用Transformer编码器学习各帧之间的特征关系，使模型充分注意人脸视频各帧间的时空特征关系和rPPG信号全局时空特征相关性，从而预测出人脸视频中微弱的rPPG信号，进一步提高了预(56)对比文件Ruo-Nan Yin et al..PulseNet: Amultitask learning network for remoteheart rate estimation.Knowledge-BasedSystems.2022,第239卷第1-11页.关天一等.一种基于脸部视频及脉搏特征平面的心率检测算法.信息技术与信息化.2018,(第10期),第78-82页.
-
公开(公告)号：CN116612211B
公开(公告)日：2024-02-02
申请号：CN202310505074.X
申请日：2023-05-08
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06T11/60 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/0455
-
公开(公告)号：CN116509415B
公开(公告)日：2024-01-26
申请号：CN202310431752.2
申请日：2023-04-21
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于信号分量的单元化形态学特征的降噪方法，对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别，并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显，可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好，对不同类型的心电信号降噪性能同样有效。
-
公开(公告)号：CN116778969A
公开(公告)日：2023-09-19
申请号：CN202310744420.X
申请日：2023-06-25
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G10L25/66 , A61B7/04 , G10L25/30 , G10L25/24 , G06F18/2415 , G06F18/2433 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 一种基于双通道交叉注意力的域适应的心音分类方法，涉及心音信号分类技术领域，提取心音信号的梅尔倒谱系数作为特征，之后搭建双通道交叉注意力的域自适应分类模型，通过双向交叉注意力实现特征的域自适应学习，既实现了源域心音信号的学习，又能实现目标域心音信号的学习，减少域差异对分类结果的影响。
-
公开(公告)号：CN116509415A
公开(公告)日：2023-08-01
申请号：CN202310431752.2
申请日：2023-04-21
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于信号分量的单元化形态学特征的降噪方法，对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别，并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显，可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好，对不同类型的心电信号降噪性能同样有效。
-
Patent Agency Ranking
公开(公告)号：CN117958831B
公开(公告)日：2024-10-29
申请号：CN202311479336.6
申请日：2023-11-08
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/318 , A61B5/346 , A61B5/00 , G06F18/241 , G06F18/2415 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06N3/0895
Abstract: 一种基于自监督学习的多导联心电分类方法，涉及心电信号分类技术领域，首先采用多种不同数据增强的方式对原始信号进行处理，设计合适的编码器模块和利用大量易获得的无标签数据提取心电特征，使编码器学习到更多关于心电信号类别的信息。最后利用少量标注数据微调模型编码器进行特征优化，通过训练模型，不断优化特征提取器的参数，使得生成的特征能够更好地反映输入数据的结构和信息。自监督学习的方式在一定程度上减少心电分类需要大量昂贵人工标注数据造成的阻碍，提高了模型的泛化能力。
-
公开(公告)号：CN117958834A
公开(公告)日：2024-05-03
申请号：CN202311541071.8
申请日：2023-11-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346 , A61B5/00 , G06F18/241 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0895 , G06N3/084
Abstract: 一种基于随机掩码和生成式自监督学习的心电分类方法，涉及ECG心电分类技术领域，将原始心电信号在一定约束下将导联信号随机遮掩破坏掉原始心电信号的完整性，使其信号的大部分时空信息被随机掩盖，然后再设计一种高效的编码器生成随机掩蔽策略下的信号，重构在时间和导联维度上遮掩的导联心电信号来学习时空表征。并且为提高编码器对局部特征的感受能力，编码器中引入注意力机制和增加卷积层的步幅、从而扩大神经元的感受野增加对局部特征的感知能力。
-
公开(公告)号：CN117481606A
公开(公告)日：2024-02-02
申请号：CN202311498055.5
申请日：2023-11-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/00 , A61B5/346 , G06F18/241 , G06F18/10 , G06F18/213 , G06F18/22 , G06N3/048 , G06N3/0464
Abstract: 一种基于改进孪生网络的小样本心电信号分类方法，涉及心电信号分类技术领域，通过构建CMP模块作为孪生网络的子网络，将提取局部特征和全局特征相结合，能够更好的分析波峰的位置、振幅和偏移量等信息，使得转换后的特征向量变得更加鲁棒，从而提高小样本心电信号分类的准确率和稳定性。
-
公开(公告)号：CN117958831A
公开(公告)日：2024-05-03
申请号：CN202311479336.6
申请日：2023-11-08
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/318 , A61B5/346 , A61B5/00 , G06F18/241 , G06F18/2415 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06N3/0895
Abstract: 一种基于自监督学习的多导联心电分类方法，涉及心电信号分类技术领域，首先采用多种不同数据增强的方式对原始信号进行处理，设计合适的编码器模块和利用大量易获得的无标签数据提取心电特征，使编码器学习到更多关于心电信号类别的信息。最后利用少量标注数据微调模型编码器进行特征优化，通过训练模型，不断优化特征提取器的参数，使得生成的特征能够更好地反映输入数据的结构和信息。自监督学习的方式在一定程度上减少心电分类需要大量昂贵人工标注数据造成的阻碍，提高了模型的泛化能力。
-
公开(公告)号：CN117481606B
公开(公告)日：2024-05-14
申请号：CN202311498055.5
申请日：2023-11-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/00 , A61B5/346 , G06F18/241 , G06F18/10 , G06F18/213 , G06F18/22 , G06N3/048 , G06N3/0464
Abstract: 一种基于改进孪生网络的小样本心电信号分类方法，涉及心电信号分类技术领域，通过构建CMP模块作为孪生网络的子网络，将提取局部特征和全局特征相结合，能够更好的分析波峰的位置、振幅和偏移量等信息，使得转换后的特征向量变得更加鲁棒，从而提高小样本心电信号分类的准确率和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.068 seconds)
