-
Patent Agency Ranking
公开(公告)号：CN114668375B
公开(公告)日：2024-12-24
申请号：CN202210410195.1
申请日：2022-04-19
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度神经网络模型的无袖带血压预测系统，所述系统用于执行如下步骤：接收包括脉搏波信号和心电信号的数据集；对接收到的脉搏波信号和心电信号进行预处理，获得可用信号；所述预处理包括信号滤波、定长切割、峰值切割/波谷切割、重采样和获取标签值；将所述可用信号输入深度神经网络模型，获得预测的收缩压值和舒张压值；所述深度神经网络模型包括依次连接的卷积适应层、带有压缩激励模块的残差网络和全连接层；所述卷积适应层的输入为所述可用信号；所述全连接层的输出为所述收缩压值和舒张压值。本发明通过对脉搏波信号和心电信号进行分析，实现对连续动态血压值进行无袖带预测。
-
公开(公告)号：CN114187969B
公开(公告)日：2024-08-02
申请号：CN202111392177.7
申请日：2021-11-19
Applicant: 厦门大学
IPC: G16B40/00 , G06N3/0455
Abstract: 本发明公开了一种处理单细胞多模态组学数据的深度学习方法及系统，包括：对多组学测序中捕获的转录组数据和蛋白质数据进行归一化处理；对归一化处理后的转录组数据进行降维；采用第一编码器对降维后的转录组数据进行特征提取；采用第一解码器还原降维后的单细胞转录组数据；对解码后的转录组数据进行升维；采用第二编码器对归一化处理后的蛋白质数据进行特征提取；采用第二解码器还原蛋白质数据；多模态组学数据整合，采用混合编码器混合编码后的转录组信息和蛋白质信息；采用混合解码器还原转录组特征信息和蛋白质特征信息。本发明从多组学的角度来捕获和表征细胞异质性，从而能对多种模式的数据进行综合分析。
-
公开(公告)号：CN113598734A
公开(公告)日：2021-11-05
申请号：CN202110860804.9
申请日：2021-07-28
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度神经网络模型的无袖带血压预测方法，包括：获取包括脉搏波信号和心电信号的数据集；对获取到的脉搏波信号和心电信号进行预处理，获得可用信号；所述预处理包括信号滤波、定长切割、峰值切割/波谷切割、重采样和获取标签值；将所述可用信号输入深度神经网络模型，获得预测的收缩压值和舒张压值；所述深度神经网络模型包括依次连接的卷积适应层、带有压缩激励模块的残差网络和全连接层；所述卷积适应层的输入为所述可用信号；所述全连接层的输出为所述收缩压值和舒张压值。本发明通过对脉搏波信号和心电信号进行分析，实现对连续动态血压值进行无袖带预测。
-
公开(公告)号：CN114668375A
公开(公告)日：2022-06-28
申请号：CN202210410195.1
申请日：2022-04-19
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度神经网络模型的无袖带血压预测系统，所述系统用于执行如下步骤：接收包括脉搏波信号和心电信号的数据集；对接收到的脉搏波信号和心电信号进行预处理，获得可用信号；所述预处理包括信号滤波、定长切割、峰值切割/波谷切割、重采样和获取标签值；将所述可用信号输入深度神经网络模型，获得预测的收缩压值和舒张压值；所述深度神经网络模型包括依次连接的卷积适应层、带有压缩激励模块的残差网络和全连接层；所述卷积适应层的输入为所述可用信号；所述全连接层的输出为所述收缩压值和舒张压值。本发明通过对脉搏波信号和心电信号进行分析，实现对连续动态血压值进行无袖带预测。
-
公开(公告)号：CN114187969A
公开(公告)日：2022-03-15
申请号：CN202111392177.7
申请日：2021-11-19
Applicant: 厦门大学
Abstract: 本发明公开了一种处理单细胞多模态组学数据的深度学习方法及系统，包括：对多组学测序中捕获的转录组数据和蛋白质数据进行归一化处理；对归一化处理后的转录组数据进行降维；采用第一编码器对降维后的转录组数据进行特征提取；采用第一解码器还原降维后的单细胞转录组数据；对解码后的转录组数据进行升维；采用第二编码器对归一化处理后的蛋白质数据进行特征提取；采用第二解码器还原蛋白质数据；多模态组学数据整合，采用混合编码器混合编码后的转录组信息和蛋白质信息；采用混合解码器还原转录组特征信息和蛋白质特征信息。本发明从多组学的角度来捕获和表征细胞异质性，从而能对多种模式的数据进行综合分析。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
