公开(公告)号：CN114783065B

公开(公告)日：2024-03-29

申请号：CN202210514364.6

申请日：2022-05-12

Applicant: 大连大学

Inventor： 秦静 ,  陈雨龙 ,  汪祖民 ,  刘燕 ,  韩悦 ,  季长清

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/10 ,  G06V10/25 ,  G06V10/40 ,  G06V10/764 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明公开了一种基于人体姿态估计的帕金森症预警方法，包括：将监控视频分割为图片，所述图片输入特征提取网络ResNet‑50‑FPN后得到特征图一，使用区域生成网络RPN获取多个目标建议框；通过区域特征聚集方式RoIAlign对所述目标建议框进行区域池化，在每个感兴趣区域RoI中提取到小的特征图记为感兴趣区域特征图；将所述感兴趣区域特征图输入到改进的Mask R‑CNN网络得到特征图三，所述特征图三先用反卷积进行分辨率复原，再进行两倍的线性插值上采样，获取骨骼关节点图；所述骨骼关节点图输入到门控循环单元模型GRU中。本发明通过Mask R‑CNN+GRU模型预测人体姿态，提高了帕金森症估计的精准度；并在预测过程加入了时间的维度，保证了预测可靠性。

公开(公告)号：CN114758183A

公开(公告)日：2022-07-15

申请号：CN202210514363.1

申请日：2022-05-12

Applicant: 大连大学

Inventor： 秦静 ,  刘燕 ,  汪祖民 ,  韩悦 ,  陈雨龙 ,  季长清

IPC: G06V10/764 ,  G06V20/40 ,  G06V10/82 ,  G06K9/62 ,  G06K9/00 ,  A61B5/00 ,  A61B5/11

Abstract: 本发明公开了一种基于事件相机的帕金森手部震颤识别方法，包括：通过事件相机对受试者进行视频数据采集，并使用DV平台收集采集的视频数据，获取手部震颤序列的异步事件流；采用基于光流速度的降噪算法对所述异步事件流进行预处理；通过离散傅里叶变换对预处理后的异步事件流提取帕金森病震颤信号的特征参数，将特征参数分为训练数据集和测试数据集；将所述训练数据集输入至识别网络模型中进行训练，通过基于支持向量机SVM的震颤分类方法来判断受试者是否震颤。本发明采用了新型传感器事件相机进行数据采集，符合临床震颤检测要求，不影响患者的动作，不会使患者产生不适感，并且能长时间的检测。

公开(公告)号：CN115153582A

公开(公告)日：2022-10-11

申请号：CN202210878825.8

申请日：2022-07-25

Applicant: 大连大学

Inventor： 秦静 ,  高福杰 ,  汪祖民 ,  马雪倩 ,  韩悦

IPC: A61B5/346 ,  G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于多维数据融合的心电信号分类方法，包括：步骤1：将心电信号切分成若干心拍并输入进时间序列模块，输出时间序列特征z1；步骤2：将心电信号进行短时傅里叶变换得到心电的时频图并输入进时频图模块，输出空间特征z2；步骤3：将性别、年龄、体重和患者的用药信息输入进文本数据模块，输出文本特征z3；步骤4：将特征z1、z2、z3同时输入进特征融合模块进行特征融合，输出融合后的特征向量h；步骤5：将融合后的特征向量h输入进全连接层，使用激活函数进行多分类输出；步骤6：利用步骤1‑5对模型进行心电信号分类的训练，将训练好的模型用于不同数据分布的心电信号的分类任务。

公开(公告)号：CN114903497A

公开(公告)日：2022-08-16

申请号：CN202210532486.8

申请日：2022-05-12

Applicant: 大连大学

Inventor： 秦静 ,  韩悦 ,  汪祖民 ,  陈雨龙 ,  刘燕 ,  高福杰 ,  季长清

IPC: A61B5/361 ,  A61B5/352 ,  A61B5/366

Abstract: 本发明公开了基于递归复杂网络和卷积神经网络的房颤检测方法，包括：对心电信号进行降噪处理；采用模板匹配法消除心电信号中的QRS波群；通过递归复杂网络分析消除QRS波群后的心电信号以获取底层特征，具体包括通过时间延迟法对心电信号进行相空间重构、确定嵌入维度d、基于相空间里的任意两个向量点之间距离构造出递归矩阵R；将所述底层特征输入至卷积神经网络，进而判断是否为房颤。本方法与RR间期无关，使房颤检测不与其他心律失常疾病相混淆；可以很好的提取心房活动信号特征。递归复杂网络可以提取鲁棒的底层特征；使用卷积神经网络自动获取高层特征，完全利用了递归矩阵中所蕴含的房颤特征，检测结果正确率高。

公开(公告)号：CN114783065A

公开(公告)日：2022-07-22

申请号：CN202210514364.6

申请日：2022-05-12

Applicant: 大连大学

Inventor： 秦静 ,  陈雨龙 ,  汪祖民 ,  刘燕 ,  韩悦 ,  季长清

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/10 ,  G06V10/25 ,  G06V10/40 ,  G06V10/764 ,  G06V10/74 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于人体姿态估计的帕金森症预警方法，包括：将监控视频分割为图片，所述图片输入特征提取网络ResNet‑50‑FPN后得到特征图一，使用区域生成网络RPN获取多个目标建议框；通过区域特征聚集方式RoIAlign对所述目标建议框进行区域池化，在每个感兴趣区域RoI中提取到小的特征图记为感兴趣区域特征图；将所述感兴趣区域特征图输入到改进的Mask R‑CNN网络得到特征图三，所述特征图三先用反卷积进行分辨率复原，再进行两倍的线性插值上采样，获取骨骼关节点图；所述骨骼关节点图输入到门控循环单元模型GRU中。本发明通过Mask R‑CNN+GRU模型预测人体姿态，提高了帕金森症估计的精准度；并在预测过程加入了时间的维度，保证了预测可靠性。