公开(公告)号：CN116304575A

公开(公告)日：2023-06-23

申请号：CN202310353564.2

申请日：2023-04-05

Applicant: 哈尔滨理工大学

Inventor： 李冰 ,  于尚宁 ,  刘侠

IPC: G06F18/10 ,  G06F18/24 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G06Q10/04 ,  A61B5/369

Abstract: 该设计是一种多任务癫痫脑电自动检测与预测系统。该系统首先通过预处理模块接收癫痫患者待识别的脑电信号或采集到的用于训练模块的患者脑电信号，并对信号进行去噪、滤波、分段、规范化等处理，并将处理后的用于训练模块的患者脑电信号输出到训练模块；在训练模块中，通过对采集到的用于训练模块的患者脑电信号进行训练与测试，先通过多尺度卷积网络进行特征提取，然后对加入双注意力机制的检测与预测分支进行训练，并保存训练后模型参数用于检测与预测模块；在检测与预测模块中对癫痫患者待识别的脑电信号给出检测与预测结果。本发明采用模块化设计，实现了对带噪声的不平衡脑电信号的实时检测与预测，为实际应用提供可靠的系统。

公开(公告)号：CN115512153A

公开(公告)日：2022-12-23

申请号：CN202211146617.5

申请日：2022-09-21

Applicant: 哈尔滨理工大学

Inventor： 李冰 ,  李广庆 ,  刘侠 ,  吴少勇 ,  于尚宁 ,  嫣梦雨

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06V10/42 ,  G06V10/52 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 基于多尺度残差网络的视网膜OCT图像分类方法、系统、计算机设备和存储介质，属于OCT图像处理技术领域，解决对视网膜OCT图像分类准确率较低问题。本发明的方法包括：获取视网膜OCT图像分类数据集，分为训练集和测试集；对训练集和测试集进行预处理；利用双通道注意力机制和多尺度残差模块对基线网络进行改进，建立视网膜OCT图像分类模型；多尺度残差模块具体包括若干条支路、残差模块、特征融合模块和相加模块，每条支路包括若干个卷积；特征融合模块用于将若干条支路的输出信息进行特征融合；相加模块用于将融合后的信息与残差模块的输出信息进行相加；获取训练后的视网膜OCT图像分类模型；对视网膜OCT图像进行分类。本发明适用于视网膜OCT图像的分类。