“梁邓”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种半监督域自适应脑电信号的分类方法-CN202310052274.4在审
发明人：陈勋;梁邓;刘爱萍;孙启彬;张勇东;吴枫;吴曼青 -专利权人：中国科学技术大学
申请日： 2023-02-02 - 公布日： 2023-09-12 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开了一种半监督域自适应脑电信号的分类方法，包括：1、获取不同个体的带标注数据，获取目标个体的数据并选取部分进行标注，随后进行统一的预处理；2、设计数据增强机制，将样本进行增强表示；3、搭建学生模型和教师模型；4、记录每次更新后的学生模型权重，将其与历史的权重进行滑动平均，作为教师模型的权重；5、计算特征空间上已有个体和目标个体的特征对齐损失；6、计算学生模型与教师模型对应的输出概率间的一致性损失；7、将上述损失函数与交叉熵损失相组合，共同优化模型参数，获得最优分类模型。本发明能够在目标个体仅有一小部分数据被标注的情况下充分校准分类模型，以实现高准确度的跨个体脑电信号分类。
一种监督自适应电信号分类方法

[发明专利]一种基于导联注意力机制的多类心律失常检测方法-CN201911167791.6有效
发明人：陈勋;张静;梁邓;高敏;张旭;陈香 -专利权人：中国科学技术大学
申请日： 2019-11-25 - 公布日： 2022-10-28 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种基于导联注意力机制的多类心律失常检测方法，其步骤包括：1、对原始ECG信号进行下采样和补齐到固定长度的预处理；2、设计分类模型，集成了四种网络结构，包括导联注意力机制、卷积神经网络、双向门控循环单元和时间注意力机制；3、在公开数据集上采用四折交叉验证训练上述模型；4、利用训练好的模型实现心律失常分类任务。本发明能实现高准确率心律失常自动检测，从而为医生的诊断提供辅助。
一种基于注意力机制心律失常检测方法

[发明专利]一种基于一致性正则化的半监督脑电信号分类方法-CN202110600569.1有效
发明人：陈勋;梁邓;刘爱萍;张勇东;吴枫 -专利权人：中国科学技术大学
申请日： 2021-05-31 - 公布日： 2022-09-06 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于一致性正则化的半监督脑电信号分类方法，包括：1、选取部分数据进行标注，并进行预处理；2、搭建人工神经网络，并作为特征处理器；3、对输入进行随机增强，促使样本在输入空间上出现一定的波动；4、记录每次迭代得到的输出概率，当前的结果与历史的结果进行指数滑动平均集成；5、设计损失函数，在交叉熵损失函数的基础上，设计无监督的一致性正则项优化决策边界；6、利用组合后的损失函数优化模型参数，获得最优分类模型。本发明能够在仅有一小部分数据被标注的情况下，充分利用无标注数据来优化决策边界，从而取得较为理想的脑电信号分类性能，在医疗等应用领域，对减轻标注成本有重要意义。
一种基于一致性正则监督电信号分类方法

[发明专利]一种基于多尺度神经网络和空洞卷积的脑电信号分类方法-CN202110294362.6有效
发明人：陈勋;高逸凯;刘爱萍;吴乐;梁邓;钱若兵;张勇东;吴枫 -专利权人：中国科学技术大学
申请日： 2021-03-19 - 公布日： 2022-09-02 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多尺度神经网络和空洞卷积的脑电信号分类方法，包括：1对数据集中的原始脑电信号进行预处理，包括通道选择、切片分割；2建立基于多尺度神经网络及空洞卷积的分类模型，初始化网络参数；3设计损失函数，建立分类模型优化目标；4输入数据对网络进行训练，优化网络参数，获得最优分类模型。本发明相对传统方法，能够显著提升脑电信号分类准确率，从而提升脑电信号在医疗等领域中的应用价值。
一种基于尺度神经网络空洞卷积电信号分类方法

[发明专利]一种基于多导联信息融合的心律失常分类方法-CN202010651389.1有效
发明人：刘爱萍;张静;陈勋;梁邓;高敏;张旭;陈香 -专利权人：中国科学技术大学
申请日： 2020-07-08 - 公布日： 2021-04-23 - 主分类号： A61B5/318 文献下载
摘要：本发明公开了一种基于多导联信息融合的心律失常分类方法，其步骤包括：1、对原始多导联心电图信号进行下采样和补齐到固定长度的预处理；2、构建分类模型，由多个单分支网络组成，负责专门处理对应的单导联心电图信号，同时，用多损失协同优化策略优化分类模型的参数；3、在公开数据集上采用十折交叉验证训练并评估上述模型；4、利用训练好的模型实现心律失常分类任务。本发明通过多损失联合优化策略融合多导联心电图信号的整体性和多样性来最大化多导联心电图信号的信息学习，能够实现高准确率心律失常自动检测，从而为临床诊断提供辅助，以及为使用可穿戴设备的病人提供早期预警。
一种基于多导联信息融合心律失常分类方法