“蒋铁甲”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24个，建议您升级VIP下载更多相关专利

[发明专利]基于深度学习与形态学的睡眠癫痫电持续活动量化方法-CN202310793934.4在审
发明人：曹九稳;金琛智;郑润泽;胡丁寒;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2023-06-30 - 公布日： 2023-09-15 - 主分类号： A61B5/374 文献下载
摘要：本发明公开了一种基于深度学习与形态学的睡眠癫痫电持续活动量化方法。本发明包括如下步骤：1、对信号进行预处理操作；2、将预处理后的T3通道信号输入到改进后的语义分割网络进行棘波识别，该网络能够识别出患者的棘波放电的位置与持续时间，并输出具有棘波数据段细粒度标签的信号；3、将获得的带棘波信息的信号作为形态学模块的输入，对候选区域进行判断，得到癫痫样棘慢波片段的个数和持续时长，并得到总的放电时间，从而计算每个样本的放电指数；4、将Cz通道信号输入到基于Resnet34的睡眠分期模块，实现对每一个30s长度样本的睡眠分期。本发明能够实现儿童睡眠中癫痫电持续活动识别与量化。
基于深度学习形态学睡眠癫痫持续活动量化方法

[发明专利]基于脑网络优化的重症脑炎患者癫痫发作自动检测装置-CN202211595847.X在审
发明人： 蒋铁甲;高峰;沈亚平;吴端坡;刘俊飙;董芳;蒋路茸 -专利权人：浙江大学
申请日： 2022-12-12 - 公布日： 2023-04-04 - 主分类号： A61B5/00 文献下载
摘要：本发明提供一种基于脑网络优化的重症脑炎患者癫痫发作自动检测装置，其特征在于，包括采集模块、预处理模块以及检测模块，所述采集模块采集脑炎患者待检测的原始脑电信号；预处理模块对采集到的待检测脑电信号进行预处理后输入至检测模块内的识别模型以得到癫痫发作的检测结果；所述检测模块内的识别模型集多个脑网络和多个特征的融合，从多个相关维度上更全面地反应脑网络中各个节点之间的关系；而基于改进遗传算法的网络层和特征层优化则实现了多个网络加权系数和多个网络加权系数最优确定，将最优的网络层和特征层作为机器学习输入，从而大大提高了癫痫识别的准确率。
基于网络优化重症脑炎患者癫痫发作自动检测装置

[发明专利]基于LSTM多通道的脑电癫痫尖棘波放电联合检测方法-CN202010103082.8有效
发明人：曹九稳;徐镇迪;胡丁寒;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2020-02-19 - 公布日： 2023-03-28 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种基于LSTM多通道的脑电癫痫尖棘波放电联合检测方法。本发明步骤：步骤1、对输入的原始多导联脑电进行滤波以及心电、咀嚼吞咽的生理活动造成的伪迹消除；对处理后的信号首先依据检测目标波形时长特征，在时域对其进行分割，将信号转化为后续步骤的识别形式；步骤2、将分割后信号中每条通道的数据经由长短时记忆神经网络进行特征提取，并通过自适应加权融合算法进行特征融合；步骤3、利用特征融合得到的结果，通过全连接神经网络对多通道信号片段进行分类，最终得到整段信号不同时段的分类结果，从而达到尖棘波放电检测的目的。本发明能够实现在多通道信号输入下精度更高、抗干扰能力更强的尖棘波检测效果。
基于 lstm 通道癫痫尖棘波放电联合检测方法

[发明专利]多任务深度网络的癫痫综合征脑电分析方法-CN202211162253.X在审
发明人：曹九稳;陈耀辉;郑润泽;赖晓平;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2022-09-23 - 公布日： 2023-01-24 - 主分类号： A61B5/00 文献下载
摘要：本发明公开了一种多任务深度网络的癫痫综合征脑电分析方法。本发明包括如下步骤：步骤1、对原始采集的脑电信号数据进行切分，切割发作期脑电信号和发作间期脑电信号，并为它们打上标签，已备后续神经网络训练；步骤2、对原始采集的脑电信号进行预处理；步骤3、对预处理后的脑电信号每4s一段采用STFT提取时频特征图，最终将21通道提取的时频特征图组合成21*32*32的3D特征；步骤4、得到的3D特征和预处理后的脑电信号作为输入传入多任务深度神经网络进行训练。本发明相比于单任务(癫痫综合征分类或癫痫时期分类)能够获得更高的分类准确率。本发明的多任务双流融合模型的每一任务分类准确率都有提高，实现了对儿童癫痫综合征及癫痫时期的精确分类。
任务深度网络癫痫综合征分析方法

[发明专利]基于多模态癫痫数据智能融合分析与处理方法-CN202211162248.9在审
发明人：曹九稳;葛炀彬;郑润泽;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2022-09-23 - 公布日： 2022-12-20 - 主分类号： A61B5/00 文献下载
摘要：本发明公开了一种基于多模态癫痫数据智能融合分析与处理方法。本发明步骤：1、对多模态数据与脑电数据进行对标，检索多模态数据缺失值进行插值，对多模态数据进行预处理；2、对多模态信号总共8通道，分别以5s步长和0重复率的滑动窗口分割样本，再将所有样本计算时域、频域、以及非线性特征；然后通过T检验以及方差检验筛选出差异特征，最后使用mRMR来实现最优多模态特征组合；3、将得到不同模态信号的最优特征组合，排列组合后放置于不同的分类器，通过改变分类器不同的核函数得到癫痫发作的分类结果。本发明能够实现对多模态癫痫数据进行智能融合分析，对各模态数据进行优化组合，以及筛选不同域的特征，从而达到了更好的癫痫检测效果。
基于多模态癫痫数据智能融合分析处理方法

[发明专利]多分类器融合的自适应脑区脑电伪迹检测方法-CN202211162255.9在审
发明人：曹九稳;方智波;郑润泽;赖晓平;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2022-09-23 - 公布日： 2022-12-20 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种多分类器融合的自适应脑区脑电伪迹检测方法。本发明步骤：1、对多通道的脑电EEG信号进行滤波和多类伪迹类别划分；2、针对得到的每类伪迹信号对应的脑部区域分析和通道关联性分析，得到每类伪迹的区域信息和通道信息；3、对每类伪迹的通道信息进行特征提取；4、针对区域信息和提取的特征，使用ReliefF算法和mRMR算法进行两阶段的特征选择，建立特征分组；5、使用机器学习算法结合选取的特征进行分类模型的训练；6、针对步骤5所训练得到的多个分类器进行系统搭建。本发明克服了临床上人工定位伪迹的繁琐，提高了异常信号的快速定位，解决了现有伪迹识别技术的单调性，同时可以实现对多通道脑电EEG数据进行实时的伪迹检测。
分类融合自适应脑区脑电伪迹检测方法

[发明专利]基于深度自编码的脑电特征优化与癫痫发作检测方法-CN202010105835.9有效
发明人：曹九稳;祝家华;胡丁寒;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2020-02-19 - 公布日： 2022-12-02 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种基于深度自编码的脑电特征优化与癫痫发作检测方法。本发明步骤：步骤1：将原始脑电信号进行预处理，然后按顺序排列脑电信号的通道，以每4s的脑电图为一个数据样本，进行离散傅里叶变换，并获得样本的幅值谱，将样本的幅值谱整理成合适的特征矩阵；步骤2：设置卷积自编码器的网络结构；步骤3：通过步骤1中的数据训练卷积自编码器，再将数据输入训练好的卷积自编码器的编码器对特征矩阵进行降维，得到低维特征；步骤4：使用低维特征训练基于最近邻分类器的纠错输出编码模型；最后使用整个模型对新的脑电图进行癫痫发作检测，测试模型性能。本发明能滤除干扰特征，降低特征维数和模型学习复杂度，实现更有效的癫痫发作检测。
基于深度编码特征优化癫痫发作检测方法

[实用新型]脑电电极帽-CN202120200757.0有效
发明人： 蒋铁甲;高峰 -专利权人：浙江大学
申请日： 2021-01-25 - 公布日： 2022-08-23 - 主分类号： A61B5/256 文献下载
摘要：本实用新型提供一种脑电电极帽，其包括第一弹力带、第二弹力带以及多个电极。第一弹力带沿人体的额头所在的位置水平周向延伸且首尾连接形成第一固定环，第一弹力带上具有沿其长度方向分布的多个第一固定孔。第二弹力带沿人体头部的纵向首尾相连形成第二固定环，第二固定环所在的平面平行于人体面部，第二弹力带上具有沿其长度方向分布的多个第二固定孔；多个第一固定孔和多个第二固定孔的分布满足国际10‑20系统脑电极分布标准。多个电极设置于多个第一固定孔和多个第二固定孔，每一电极均包括电极底座和连接部，电极底座抵接人体头部，连接部穿射第一固定孔或第二固定孔以连接脑电设备。
电极

[发明专利]一种深度半监督分割的儿童脑部MRI脱髓鞘病灶定位方法-CN202210331876.9在审
发明人：高峰;徐璐;魏劭农;王天磊;蒋铁甲;张洪锡;刘珂舟;曹九稳 -专利权人：浙江大学;杭州电子科技大学
申请日： 2022-03-30 - 公布日： 2022-06-28 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种深度半监督分割的儿童脑部MRI脱髓鞘病灶定位方法，首先进行数据集构建，然后构建分割模型，分割模型包括Student网络和Teacher网络两个部分；利用构建的数据集进行Student网络训练，并根据反向传播后的Student网络参数进行参数漂移得到Teacher网络参数；本发明方法针对性设计预处理方式，使得本发明对成像过程中可能出现的问题具有良好的补偿。利用图像增强、图像加噪声和半监督的方式，使得模型只需要少量的标注图像就能获得很好的分割性能，并对噪声和伪影获得良好的鲁棒性能，解决了标注过程存在的难度大、不准确、费时费力的问题。
一种深度监督分割儿童脑部 mri 脱髓鞘病灶定位方法

[发明专利]基于多通道脑电智能筛选与加权样本生成的棘波检测方法-CN202210246380.1在审
发明人：曹九稳;徐镇迪;崔小南;王天磊;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2022-03-14 - 公布日： 2022-06-07 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了基于多通道脑电智能筛选与加权样本生成的棘波检测方法，首先利用多种脑电波形特征基于阈值法对脑电各个通道数据进行样本筛选，最终通过数据分割得到多通道棘波候选样本；对所得多通道棘波候选样本进行数据分析，并基于最优通道进行多种权值计算，通过加权算法由多通道棘波候选样本生成单通道候选样本数据；最后利用单通道棘波分类算法完成对生成数据的分类检测。本发明不仅可以通过多通道数据的加权生成算法，提取各通道数据中有效信息，提高棘波识别性能，还提供了一种筛选多通道棘波候选样本的流程，为后续其他同类型算法建立数据集提供了一种标准。另外进一步分析加权数据生成时所用到的权值，还能够检测棘波产生具体的通道位置。
基于通道智能筛选加权样本生成检测方法

[发明专利]一种深度融合学习的儿童脑部MRI脱髓鞘辅助分析方法-CN202210116221.X在审
发明人：曹九稳;周德阳;王天磊;徐璐;魏劭农;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2022-01-29 - 公布日： 2022-05-17 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种深度融合学习的儿童脑部MRI脱髓鞘辅助分析方法，首先进行儿童脱髓鞘疾病数据预处理及数据集构建；然后深度融合学习脱髓鞘疾病辅助模型设计；通过构建的儿童脱髓鞘疾病数据集对深度融合学习脱髓鞘疾病辅助模型进行训练；最后通过训练好的深度融合学习脱髓鞘疾病辅助模型完成高信号白质分割图的获取与特征分类，通过可视化结果模型展示高信号白质分割图与特征分类标签。本发明方法不仅可以辅助医生进行临床诊断，而且可以大大提高图像标注的速率，这将极大缩短患者的确诊时间与确诊成本，使患者获得及时的治疗，缓解患者预后过程遗留的神经功能缺损，获得更好的预后效果。
一种深度融合学习儿童脑部 mri 脱髓鞘辅助分析方法

[发明专利]熵稳定性判据的儿童脑电功能连接图谱构建方法-CN202210094726.0在审
发明人：曹九稳;潘克炎;郑润泽;崔小南;蒋铁甲;高峰;刘俊飙 -专利权人：杭州电子科技大学
申请日： 2022-01-26 - 公布日： 2022-04-12 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种熵稳定性判据的儿童脑电功能连接图谱构建方法。首先进行数据预处理，然后进行功能连接网络构建，最后进行网络特征提取与分析。本发明采用随机网络和香农熵度量的结合方法搜寻最优阈值，基于该方法构建的二值网络相比其他方式构建的二值网络具有更强的组内网络稳定性，即网络的个性化连接部分更少，且更突出其年龄特征。分别提取了个体水平以及年龄组水平功能连接的图论特征，包括功能分离，功能整合，网络中心性度量分析功能连接随年龄增长的变化规律以及特定年龄阶段的功能连接模式的特性。其中，功能连接的变化趋势与医学常识相符，这验证了功能连接构建方法的合理性。
稳定性判据儿童功能连接图谱构建方法

[发明专利]基于时序特征和堆叠Bi-LSTM网络的棘波检测方法-CN202011504990.4有效
发明人：曹九稳;徐镇迪;胡丁寒;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2020-12-18 - 公布日： 2022-04-08 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种基于时序特征提取和堆叠Bi‑LSTM网络的棘波检测方法。首先对输入的原始单通道脑电信号进行预处理操作，对预处理完的脑电信号进行分割，得到脑电信号片段，通过两种时序特征提取算法得到平滑非线性能量特征和形态学特征，对得到的两种时序特征进行裁剪以保证长度与脑电信号片段一致后，与脑电信号片段拼接得到特征矩阵，再利用得到的特征矩阵和标注信息，训练堆叠Bi‑LSTM网络模型；最后采用测试数据对训练好的堆叠Bi‑LSTM网络模型进行测试，根据测试结果进行模型性能优化。本发明方法通过循环神经网络模型对脑电时序特征进行有效学习达到对棘波放电精准检测的效果；能够同时检测棘波以及其产生通道位置。
基于时序特征堆叠 bi lstm 网络检测方法

[发明专利]基于双流3D深度神经网络的儿童癫痫综合征辅助分析方法-CN202210087829.4在审
发明人：曹九稳;冯袁盟;郑润泽;王天磊;蒋铁甲;高峰;刘俊飙 -专利权人：杭州电子科技大学
申请日： 2022-01-25 - 公布日： 2022-03-25 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种基于双流3D深度神经网络的儿童癫痫综合征辅助分析方法。首先对脑电数据进行预处理，然后将经过预处理的脑电数据，分别转换为双极纵向导联EEG数据和平均参考导联EEG数据；再提取时频特征和频空特征；最后将得到的时频、频空特征图片传入双流3D卷积神经网络中，通过双流3D卷积神经网络中的注意力机制模块将提取不同通道间的信息，最终把时频输入流和频空输入流的softmax概率输出进行平均加权得到相应儿童癫痫综合征类别。本发明能够获得较高的分类准确率，实现对儿童癫痫综合征的精确分类。
基于双流深度神经网络儿童癫痫综合征辅助分析方法

[发明专利]一种基于深度神经网络与CCA特征融合的棘波检测方法-CN202111279893.4在审
发明人：曹九稳;鲍子航;崔小南;郑润泽;赖晓平;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2021-10-28 - 公布日： 2022-02-25 - 主分类号： A61B5/372 文献下载
摘要：本发明公开了一种基于深度神经网络与CCA特征融合的棘波检测方法。首先对输入的原始单通道脑电信号进行预处理操作，分割后得到脑电信号片段；分别通过连续小波变换得到频谱图特征和平滑非线性能量滤波后的传统特征；通过DenseNet121深度神经网络对频谱图提取2维深度特征，使用方差过滤式方法筛选出4维的传统特征；使用典型相关分析并采取相加的融合策略，得到2维的融合特征；再通过随机森林算法构建单通道棘波和非棘波样本数据集的棘波检测模型；最后通过建立的棘波检测模型进行脑电棘波检测。本发明通过频谱图深度特征与传统特征的CCA特征融合，并结合随机森林分类算法，达到对棘波放电精准检测的效果，能够同时检测棘波以及其产生的位置信息。
一种基于深度神经网络 cca 特征融合检测方法

1
2
下一页»
尾页
共 24 条