“天津富瑞隆金属制品有限公司”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果38个，建议您升级VIP下载更多相关专利

[发明专利]基于40导联脑电采集设备的人脑疲劳状态自主辨识系统-CN202210114275.2有效
发明人：高忠科;王贺;马超;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2022-01-30 - 公布日： 2023-09-22 - 主分类号： A61B5/369 文献下载
摘要：本发明的基于40导联脑电采集设备的人脑疲劳状态自主辨识系统，能够实现对驾驶员EEG脑电信号的准确获取、有效辨识和正确分类，通过最佳机器学习模型识别驾驶员的大脑状态，有效预警驾驶员的疲劳状态，防止驾驶事故。模拟驾驶实验的设计让基于疲劳的EEG脑电信号收集过程更加合理，有效，避免了在实际驾车过程中进行收集带来的社会风险。最佳机器学习模型的引入大幅度降低了人工设计深度学习模型的工作量，并能够根据采集到的EEG脑电信号的具体特征做出针对性模型设计，提升模型最终的人脑疲劳状态辩识准确率。
基于 40 导联脑电采集设备人脑疲劳状态自主辨识系统

[发明专利]基于肌电的智能小车手部穿戴控制系统及应用-CN202210114283.7有效
发明人：高忠科;宋北大;吕佳俊;孙彪;马超;刘勇;张俊;赵思思;吴威 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2022-01-30 - 公布日： 2023-09-08 - 主分类号： G06F3/01 文献下载
摘要：本发明的基于肌电的智能小车手部穿戴控制系统及应用，通过将采集到的原始EMG信号作为深度学习模型的输入，实现端到端的学习策略，得到一个特征通道‑空间注意力多尺度网络模型。能够实现对手部运动时的前臂EMG信号的准确采集、正确分类，有效的识别不同的手部运动，从而实现对手部运动意图解码的功能，进而控制智能小车的运动。本发明可快速、准确对多种手势进行分类。本发明直接建立在原始EMG信号和相应手部运动类别之间的对应关系上，通过建立深度学习模型实现对手部运动意图有效的解码。手部运动的有效辨识，实现了对智能小车下一步运动的精准控制。
基于智能车手穿戴控制系统应用

[发明专利]基于脑机混合智能的意念控制假肢系统-CN202010481487.5有效
发明人：马超;吕冬梅;高忠科;党伟东;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-05-31 - 公布日： 2023-05-05 - 主分类号： G06F3/01 文献下载
摘要：一种基于脑机混合智能的意念控制假肢系统，包括依次连接的视觉刺激模块、便携式脑电信号采集设备、脑电信号处理与识别模块和假肢，所述视觉刺激模块用于为被试者提供视觉刺激选项，脑电信号处理与识别模块用于采集被试者的SSMVEP脑电信号，脑电信号处理与识别模块用于对SSMVEP脑电信号进行特征提取和分类，根据分类结果驱动假肢进行6种动作，所述6种动作为：按电梯，竖大拇指，将水倒入杯子，将食物送入嘴中，将物体上移到橱柜，两根手指捡起一个物体。本发明能够对疲劳状态下的脑卒中患者提高分类辨识精度，进一步减少疲劳状态下脑卒中患者对假肢的误操作率，方便脑卒中患者的日常生活，提高意念控制假肢系统的适用性。
基于混合智能意念控制假肢系统

[发明专利]基于多层有序网络的脑控智能康复系统运动意图识别系统-CN202010366869.3有效
发明人：高忠科;吕冬梅;马超;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-04-30 - 公布日： 2023-04-18 - 主分类号： G16H20/30 文献下载
摘要：一种基于多层有序网络的脑控智能康复系统运动意图识别方法，被试者通过观看手部握拳与伸展动作视频进行运动想象，同时脑电信号采集设备采集被试者的脑电信号；运动意图识别模块对获得的运动想象信号进行预处理，构建多层有序网络，该多层有序网络能够融合多通道脑电信号，从脑电信号中提取符号波动的特征，实现手部握拳与伸展动作想象信号的有效分类与辨识，将分类结果传输到脑控智能康复系统，脑控智能康复系统基于所述运动意图协助被试者进行上肢康复训练。本发明可以实现运动想象信号特征的有效提取和手部握拳与伸展运动想象EEG信号的有效辨识，并转化为指令控制脑控智能康复系统，帮助上肢运动通路损伤以致于活动受限的病患进行康复训练。
基于多层有序网络智能康复系统运动意图识别

[发明专利]基于多尺度深度学习的病理图像病灶区域检测方法-CN202010622537.7有效
发明人：高忠科;安建鹏;袁涛;曲志勇;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-06-30 - 公布日： 2022-07-05 - 主分类号： G06T7/00 文献下载
摘要：一种基于多尺度深度学习的病理图像病灶区域检测方法：对病理切片图像数据进行预处理；构建全卷积神经网络，全卷积神经网络为特征金字塔结构，特征金字塔结构中自底向上的特征提取部分由一个预训练的ResNet50组成，特征金字塔结构的自顶向下部分将ResNet50输出的特征进行融合并生成最终的概率图输出，选择Adam优化器用于对全卷积神经网络参数进行梯度更新，全卷积神经网络的损失函数选用Focal Loss损失函数，对构建好的全卷积神经网络进行训练；对全卷积神经网络进行测试，是将需要进行判断病理切片图像进行预处理后，输入到训练好的全卷积神经网络中，输出为病灶区域的二值化图像。本发明为病理医生对病人病灶区域的快速判别提供有力的参考数据。
基于尺度深度学习病理图像病灶区域检测方法

[实用新型]一种用于钢材加工用抛光装置-CN202123195716.6有效
发明人：马文庆 -专利权人： 天津富瑞隆金属制品有限公司
申请日： 2021-12-20 - 公布日： 2022-07-05 - 主分类号： B24B29/02 文献下载
摘要：本实用新型公开了一种用于钢材加工用抛光装置，包括支撑台，支撑台下方连接设有若干万向轮，支撑台上方对称连接设有支撑板，支撑板上端连接设有同一支撑架，支撑架上方连接设有水箱，支撑架下方对称连接设有喷洒板，支撑架内连接设有升降控制装置，升降控制装置下端连接设有升降块，升降块下方连接设有固定块，两个支撑板互相靠近一侧均滑动连接设有移动板，两个移动板下方连接设有同一U形连接架，支撑台内连接设有移动控制装置，移动板一侧通过电动伸缩杆连接设有电机架一，电机架一内连接设有电机一，电机一输出端连接设有抛光板。本实用新型与现有技术相比的优点在于：抛光效率高，省时省力，降温效果好，安全性高。
一种用于钢材工用抛光装置

[实用新型]一种钢材卷料放置架-CN202123380019.8有效
发明人：马文庆 -专利权人： 天津富瑞隆金属制品有限公司
申请日： 2021-12-30 - 公布日： 2022-07-05 - 主分类号： B65D21/08 文献下载
摘要：本实用新型涉及一种钢材卷料放置架，包括底座，所述底座上设有支撑座，所述支撑座上方设有弧形放置架，所述弧形放置架两侧插接设有与弧形放置架配合的延长板，所述延长板侧壁设有与延长板配合的弧形槽，所述弧形槽下方侧壁上设有弧形的齿条，所述弧形放置架两端侧壁上转动穿过设有转轴，所述转轴端部位于弧形槽内且套接设有与齿条配合的齿轮，所述弧形放置架两端侧壁上分别设有用于限制延长板的限位机构。本实用新型与现有技术相比优点在于：结构合理，方便调节，使用更加方便。
一种钢材放置

[发明专利]基于深度学习的实时脑疲劳监测装置及数据处理方法-CN202210114279.0在审
发明人：宋北大;孙彪;马超;高忠科;马文庆;刘勇;赵思思;吴威 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2022-01-30 - 公布日： 2022-06-24 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种基于深度学习的实时脑疲劳监测装置和数据处理方法，采用一种具有高度的集成性，同时通过一根弹性软带环绕在头上的便携式的前额可穿戴装置，实时采集大脑前额叶的血氧信号，实时地显示当前脑功能活动地形图，对数据进行预处理，包括去运动伪影、滑动平均和巴特沃斯带通滤波处理和修正的朗伯‑比尔定律，通过数据预处理得到氧合血红浓度变化量数据和脱氧血红蛋白浓度变化量数据；对预处理后数据使用基于深度学习的CNN算法对采集到的大脑前额叶的血氧信号进行数据分析和数据分类，对预处理后的数据进行的是四分类脑疲劳识别任务，分类标签分别为：轻度疲劳、重度疲劳、放松、专注，最终得到被测对象的脑疲劳状态。
基于深度学习实时疲劳监测装置数据处理方法

[发明专利]基于迁移学习的胃肠道间质瘤中核分裂象检测系统-CN202010624326.7有效
发明人：高忠科;安建鹏;袁涛;赵纲;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-06-30 - 公布日： 2022-06-21 - 主分类号： G06T7/00 文献下载
摘要：一种基于迁移学习的胃肠道间质瘤中核分裂象检测系统：对病理切片图像数据进行预处理；构建预训练全卷积神经网络，包括编码器子网络和解码器子网络；选取Adam优化器对预训练全卷积神经网络进行梯度更新，并使用Focal Loss损失函数对预训练全卷积神经网络进行训练；3)将训练完成的预训练全卷积神经网络中解码器子网络权重进行初始化后，得到一个新的全卷积神经网络，选取Adam优化器对所述的全卷积神经网络进行梯度更新，并使用Focal Loss损失函数对所述的全卷积神经网络进行训练；对训练好的全卷积神经网络进行测试，得到核分裂象区域的二值图。本发明可为病理医生对于核分裂象的检测提供有效的中间数据，实现对病人病情的快速判别。
基于迁移学习胃肠道间质核分裂检测系统

[发明专利]基于便携式脑电采集设备和深度学习的麻醉状态监测系统-CN202010481469.7有效
发明人：高忠科;曲志勇;马超;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-05-31 - 公布日： 2022-06-03 - 主分类号： A61B5/00 文献下载
摘要：一种基于便携式脑电采集设备和深度学习的麻醉状态监测系统，其特征在于，包括便携式脑电采集设备、数据处理分析模块和显示模块；所述的便携式脑电采集设备用于采集患者麻醉过程中的脑电信号，并进行滤波放大处理操作，传输到所述的数据处理分析模块；所述的数据处理分析模块对接收的脑电信号进行处理、分析；所述的显示模块是显示器，用于实时显示患者的麻醉状态。本发明使用的便携式脑电采集设备具有制作成本低、接口开放，体积小的优点，能够便捷高效地采集脑电信号；本发明能够较为精确的实现对麻醉状态的监测；适用于不同患者的脑电信号分析；基于脑电信号对患者麻醉状态的监测更为直观便捷，对于手术医疗具有重要的指导意义。
基于便携式采集设备深度学习麻醉状态监测系统

[发明专利]基于脑机交互混合智能的脑卒中患者手部康复系统-CN202010481475.2有效
发明人：高忠科;吕冬梅;党伟东;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-05-31 - 公布日： 2022-06-03 - 主分类号： A61B5/369 文献下载
摘要：一种基于脑机交互混合智能的脑卒中患者手部康复系统：便携式脑电信号采集设备通过运动想像脑电信号处理与识别模块连接机械手套，视觉刺激模块包括SSMVEP视觉刺激界面和运动想像视觉界面，用于给被试者提供SSMVEP视觉刺激选项和机械手套执行手部动作的画面；便携式脑电信号采集设备用于采集被试者的SSMVEP脑电信号和运动想象脑电信号；SSMVEP脑电信号处理与识别模块对SSMVEP信号进行分类与辨识，分类结果同时传输到机械手套与视觉刺激模块；运动想像脑电信号处理与识别模块对运动想象脑电信号进行分类与辨识，转化为指令控制机械手套带动被试者患肢完成预选手部动作。本发明减少了机械手套的误操作率，提高了手部康复系统的适用性。
基于交互混合智能脑卒中患者康复系统

[发明专利]基于人工智能技术的主动式手部全指康复设备-CN202010481482.2有效
发明人：高忠科;芮林格;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-05-31 - 公布日： 2022-06-03 - 主分类号： A61B5/369 文献下载
摘要：一种基于人工智能技术的新型主动式手部全指康复设备，包括有依次连接的便携式脑电采集设备、生理状态分析模块和手部康复设备，脑控主动训练界面和辅助脑控训练界面均无线连接生理状态分析模块，使用者通过脑控主动训练界面或辅助脑控训练界面选择所需的手部康复训练模式，便携式脑电采集设备用于采集使用者的脑电信号；生理状态分析模块接收脑电信号，并结合迁移学习，智能识别使用者选择的康复动作送入脑控主动训练界面或辅助脑控训练界面进行显示，以及送入手部康复设备，手部康复设备根据生理状态分析模块识别的使用者选择的康复动作，做出对应的手指或手掌动作，帮助使用者进行手部运动。本发明能够协助使用者完成康复训练。
基于人工智能技术主动式手部全指康复设备

[发明专利]基于脑机接口和深度学习的术后急性疼痛预测系统及应用-CN202010481486.0有效
发明人：高忠科;曲志勇;侯林华;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-05-31 - 公布日： 2022-06-03 - 主分类号： A61B5/372 文献下载
摘要：一种基于脑机接口和深度学习的术后急性疼痛预测系统及应用，包括：通过便携式脑电采集设备获取病人术前0‑3天的静息态脑电信号；对术前静息态脑电信号，通过滑动窗口进行数据分割，得到一系列的静息态脑电信号片段；利用预处理方法将一系列的静息态脑电信号片段对应转化为一系列的二维图像，用于后续分析；构建数据集，添加标签并划分训练集和测试集；构建基于深度学习的预测模型，确定模型结构及待优化模型参数，通过训练与测试得到能够对术后急性疼痛进行预测的基于深度学习的预测模型。本发明便携式脑电采集设备能够便捷高效地采集脑电信号；通过对病人术前静息态脑电信号的分析在对病人没有任何损伤的情况下预测术后疼痛类别。
基于接口深度学习术后急性疼痛预测系统应用

[发明专利]基于便携式脑电采集设备的癫痫发作预警系统及应用-CN202010481474.8有效
发明人：高忠科;芮林格;马超;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-05-31 - 公布日： 2022-05-27 - 主分类号： A61B5/00 文献下载
摘要：一种基于便携式脑电采集设备的癫痫发作预警系统及应用，包括有依次连接的：便携式脑电采集设备、生理状态分析模块和发作风险评估系统，便携式脑电采集设备从被试者大脑采集EEG脑电信号；生理状态分析模块接收EEG脑电信号，并结合大脑多层复杂网络和深度学习模型，智能识别被试者的与癫痫相关的关键电极，实现对癫痫EEG脑电信号的有效辨识以及分类；发作风险评估系统以分类结果为基础，分析当前的发作风险，生成相应的报警指令，将指令传达至预警系统进行报警。本发明通过自动采集并分析脑电信号，实现对癫痫发作的快速预警，提醒患者及时做出应对，减轻癫痫的痛苦与危害。使用本发明进行实时癫痫发作风险检测，以降低未知的发作风险。
基于便携式采集设备癫痫发作预警系统应用

[发明专利]基于脑机接口和深度学习的重度抑郁症辨识系统及应用-CN202010481476.7有效
发明人：高忠科;孙新林;马超;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-05-31 - 公布日： 2022-05-27 - 主分类号： A61B5/16 文献下载
摘要：一种基于脑机接口和深度学习的重度抑郁症辨识系统及应用，包括，便携式脑电采集设备、脑电分析系统和分类识别系统，所述便携式脑电采集设备从被试者大脑采集EEG脑电信号，完成采集过程，脑电分析系统对采集到的EEG脑电信号进行分析，建立多层大脑复杂网络，分类识别系统在多层大脑复杂网络基础上，对大脑状态进行准确识别，完成辨识过程，经过指定次数的采集过程和辨识过程，系统将给出被试者属于正常人或重度抑郁症的可能性，进而完成对重度抑郁症患者的辨识任务。本发明能够达到较高的重度抑郁症识别准确率，能够实现一种快速、准确对重度抑郁症患者进行初步辨识的系统，为后期诊断进一步提供依据。
基于接口深度学习重度抑郁症辨识系统应用

1
2
3
下一页»
尾页
共 38 条