专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果3955959个,建议您升级VIP下载更多相关专利
  • [发明专利]诊断系统及其操作方法-CN201210378087.7有效
  • 张如意;廖京生;方翔;白长虹;倪平强;李抱朴;孙成 - 中国科学院深圳先进技术研究院
  • 2012-10-08 - 2013-02-06 - A61B5/0402
  • 本发明提出一种诊断系统,其包括相互连接的采集系统和分析诊断系统。分析诊断系统包括动态链接库系统、特征提取模块和特征统计分析模块,特征统计分析模块包括多个对应不同心特征的分析单元;医生根据病人的病情选择分析单元,特征提取模块以对应的特征特征提取对象,调用动态链接库系统的相应动态数据库从数据中进行特征提取,并传输至心特征统计分析模块;特征统计分析模块对特征进行统计分析,供医生进行诊断。所述心诊断系统有利于医生进行快速的诊断,提供其工作效率,且可避免不同心特征之间相互制约,提高分析准确率。本发明另外提供所述心诊断系统的操作方法。
  • 诊断系统及其操作方法
  • [发明专利]特征检测装置和方法以及特征检测系统-CN202011080007.0在审
  • 刘恩福 - OPPO(重庆)智能科技有限公司
  • 2020-10-10 - 2022-04-12 - A61B5/318
  • 本公开涉及生物医学工程技术领域,具体涉及一种特征检测装置和方法以及特征检测系统,装置包括:用于采集被检测对象的初始电信号以及阻抗变化值的信号采集模块;连接于信号采集模块用于根据阻抗变化值生成参考信号的参考信号生成模块,运算放大模块的第一输入端连接于信号采集模块用于接收初始电信号,第二输入端用于接收抵消信号;运动伪影估计模块包括第三输入端和第二输出端,第三输入端连接于参考信号生成模块和第一输出端,第二输出端连接于第二输入端
  • 特征检测装置方法以及系统
  • [发明专利]缺失导联的数据的分类处理方法、装置及存储介质-CN202111148645.6有效
  • 徐啸 - 平安科技(深圳)有限公司
  • 2021-09-29 - 2022-10-14 - A61B5/346
  • 本发明涉及人工智能及数字医疗领域,提供了一种缺失导联的数据的分类处理方法、装置及存储介质。该方法包括:获取待处理的数据,并根据数据的N个非缺失导联,确定心数据的M个缺失导联,N与M之和为12;通过心特征提取器对数据的N个非缺失导联进行特征提取,得到数据的N个非缺失导联的特征向量;获取数据的M个缺失导联的掩模向量,并根据数据的M个缺失导联的掩模向量和N个非缺失导联的特征向量,通过特征向量增强模型,得到数据的12导联特征向量组合;将数据的12导联特征向量组合输入到数据处理模型中,得到数据的分类结果。上述方法有效的提高了缺失导联数据的分类准确度。
  • 缺失数据分类处理方法装置存储介质
  • [发明专利]一种远程医疗的异常张量分析方法-CN201210416931.0有效
  • 黄锴;李栋;程炳飞;张翰林;张丽清 - 上海交通大学无锡研究院
  • 2012-10-26 - 2013-03-13 - A61B5/0402
  • 本发明公布了一种远程医疗的异常张量分析方法,首先通过远程方式采集大量的标准12导联数据,然后通过短时傅立叶变换将转换为高维度的张量数据。然后以高维张量数据直接作为特征,使用直接以张量数据直接作为输入的特征抽取和特征降维的算法提取出直接用来分类的特征。由于这种方法是基于TTV变换法则的,所以最终可以得到基于向量存储的特征,然后使用SVM分类方法对这些向量特征进行分类。这种方法以张量数据直接作为输入,充分利用了的多导联的结构信息,消除了原先单导联单独分析带来的不精准缺陷,实现了分析的有效性。
  • 一种远程医疗异常张量分析方法
  • [发明专利]一种异常检测方法、终端及服务器-CN202010241845.5在审
  • 黄茂林;盖彦荣;徐平;吕晓 - 联想(北京)有限公司
  • 2020-03-31 - 2020-07-17 - A61B5/0402
  • 本发明公开了一种异常检测方法、终端及服务器,首先利用终端(即设备端)采集数据,并对所述心数据进行逐个拍分析,得到电波形特征;依次发送所述心数据和电波形特征至服务器(即云端),以指示服务器利用心数据、电波形特征进行离线异常检测,得到离线异常检测结果;同时,终端基于所述心数据进行实时异常检测,将实时异常检测结果发送至服务器,以由服务器进一步根据终端的实时异常检测结果和自身的离线异常检测结果进行异常诊断,从而得到异常诊断结果。
  • 一种异常检测方法终端服务器
  • [发明专利]一种诊断系统-CN201610328912.0在审
  • 杜国宝 - 湖北宝嵘医疗科技有限公司
  • 2016-05-17 - 2017-11-24 - A61B5/0402
  • 本发明提供一种诊断系统,其包括相互连接的采集系统和分析诊断系统,所述心采集系统采集病人的数据并传输至所述心分析诊断系统,所述心分析诊断系统包括动态链接库系统、特征提取模块以及特征统计分析模块,所述动态链接库系统包括多个特征提取算法的动态链接库,所述心特征提取模块和所述多个动态链接库相连接,所述心特征统计分析模块和所述心特征提取模块相连接。本发明设计有多个对应不同心特征的分析单元,医生可以根据病人的数据选择一个或多个所述分析单元进行分析,分析更加准确快速,利于医生做出诊断。
  • 一种诊断系统
  • [发明专利]少导联数据处理方法、装置、存储介质及计算机设备-CN202111015972.4有效
  • 徐啸 - 平安科技(深圳)有限公司
  • 2021-08-31 - 2022-10-14 - A61B5/346
  • 本发明涉及人工智能及数字医疗领域,提供了一种少导联数据处理方法、装置、存储介质及计算机设备。该方法包括:获取少导联数据,并根据少导联数据的N个导联,确定少导联数据的M个待映射导联,N与M之和为12;通过心特征提取器对少导联数据的N个导联进行特征提取,得到N导联特征向量组合;将N导联特征向量组合输入到特征向量映射器中,得到少导联数据的M个待映射导联的特征向量;对少导联数据的N导联特征向量组合和M个待映射导联的特征向量进行拼接,得到12导联特征向量组合;将12导联特征向量组合输入到数据处理模型中,得到少导联数据的分类结果。上述方法可以提高少导联数据的分类准确性。
  • 少导联心电数据处理方法装置存储介质计算机设备
  • [发明专利]基于多分支块全注意网络的数据分类方法及装置-CN202310559376.5在审
  • 司玉娟;武俊杰;张阳;易攀;乔菱 - 吉林大学;珠海科技学院
  • 2023-05-17 - 2023-08-25 - A61B5/346
  • 本发明提出了一种基于多分支块全注意网络的数据分类方法及装置,该方法包括:获取目标数据;将获取的目标数据输入预先配置的多分支块全注意网络模型,目标数据为多导联数据,其中模型包括特征提取模块和全注意力块,特征提取模块包括多个多分支块和短接块;通过特征提取模块对目标数据进行特征提取得到第一数据;将第一数据输入到全注意力模块提取空间特征和通道特征;根据空间特征和通道特征从预设的可选分类中确定目标数据所对应的目标分类结果将特征提取模块提取的特征输入到全注意力块里,提取空间维度的特征和通道维度的特征进行分类,融合多个数据通道特征和空间特征,提高了对数据分类的准确性。
  • 基于分支注意网络数据分类方法装置
  • [发明专利]一种对动态数据进行分类的装置-CN201410628446.9有效
  • 曲秀芬;宋涛;张英涛 - 哈尔滨医科大学
  • 2014-11-10 - 2015-03-04 - A61B5/0402
  • 本发明公开了一种对动态数据进行分类的装置,包括:数据采集装置;电信息数据库;指标获取装置;指标筛选装置,用于对指标进行差异性分析,筛选出有显著性差异的指标;特征组合获取装置,用于对指标筛选装置筛选出的有显著性差异的指标中的至少两项进行特征组合,获取多个特征组合;分类器筛选装置,其采用多个分类器对特征组合获取装置获取的多个特征组合进行测试,以筛选出最优分类器和最优特征组合;分类结果输出装置,用于接收患者的个人信息以及与心脏活动状态有关的病理数据,以及根据分类器筛选装置筛选出的最优分类器和最优特征组合对患者的与心脏活动状态有关的病理数据进行分类并输出分类结果。
  • 一种动态数据进行分类装置
  • [发明专利]一种基于非线性动力学特征向量图分类方法-CN201910364525.6有效
  • 邓木清;王丹俐;范慧婕;李枚格 - 杭州电子科技大学
  • 2019-04-30 - 2022-02-01 - A61B5/346
  • 本发明公开了一种基于非线性动力学特征向量图分类方法,属于心电检测技术领域;该方法包括如下步骤:采集Frank三导联向量图信号;利用中值滤波去除噪声;分别提取每个导联的10个非线性动力学特征;将各特征进行归一化处理,进行特征融合,利用训练向量图模式与测试向量图模式之间在非线性动力学指标上的差异,实现正常向量图与异常向量图的分类。上述方法首次将非线性动力学分析方法运用在心向量图分类上,所提取的非线性动力学特征能够表征向量图的动态属性,更好地挖掘了向量图的内在特征,将异常和正常的向量图区分开,适合在常规的电检查中使用
  • 一种基于非线性动力学特征向量分类方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top