一种融合GMF及CDAE的弱视训练方案推荐方法，属于计算机技术领域。它包括以下步骤：1、获取弱势训练平台数据库中的用户信息数据；2、通过CDAE模型、GMF模型分别对输入的数据进行数据特征提取；3、融合层对CDAE模型、GMF模型的输出进行权重融合；4、优化函数学习模型参数，使预测评分和真实评分的预测误差最小，输出用户推荐结果。本发明是在弱视训练系统中引入智能化推荐，利用计算机领域的神经网络算法使人工配方得到解决，使医疗人员和技术人员得到解放；其引入CDAE模型、GMF模型，有效缓解了因为数据的稀疏性导致的推荐准确率不够的问题，同时提高了推荐效率。
📄 2022106825888
📂 G16H20_30
👤 浙江工业大学
📅 2022-06-16
本发明提供了一种基于机器学习技术的心律失常分析系统，它包括：一．读入数据；二.对单通道心电图样本的第一导联进行特征提取，三.对单通道心电图样本的第二导联进行特征提取，四．输入分类器进行识别。相比于目前已公开的技术方案，本发明的主要区别技术特征是通过采样生成单通道心电图样本，并利用相似度特征进行特征提取，最后通过KNN分类器对提取的特征进行识别。这种方法表现出了与现有特征提取方法相同的准确率，为实现此系统提供了新的技术解决方案。
📄 2019105386311
📂 A61B5_0245
👤 烟台医惠医疗科技有限公司
📅 2019-06-20
本发明公开一种基于LightGBM的外骨骼步态预测方法。本发明通过人体运动学分析，提取下肢关节的加速度数据做离线分析，进而解算出关节控制目标轨迹，最后控制系统通过该轨迹进行运动控制，实现下肢外骨骼的人体步态运动。本发明提出一种全新的下肢运动步态轨迹预测方法，能够应用于下肢外骨骼控制中，创新性的对LightGBM实现并联结构输入，并对下肢关节的连续目标值的步态轨迹预测，预测方法具有较强的精确度,减少了训练时间。
📄 2019113849743
📂 A61F2_60
👤 杭州电子科技大学
📅 2019-12-28
本发明涉及一种基于机器学习的多模态康复诊疗云平台的实现方法，属于康复诊疗数据处理平台技术领域。本发明整体共分为五大步骤：多模态数据结构的搭建、多模态数据接收与存储、机器学习与迭代、个性化定制、云平台管理体系。本发明不仅解决了现存康复诊疗设备数据无法积累、诊疗者训练记录不完整的问题，还可以解决智能康复诊疗设备识别训练模型迭代优化缓慢、诊疗精度不高、康复训练效率低下等问题，同时也为更多的康复诊疗设备提供了自身诊疗模态识别和机器学习迭代调优的平台，必将为整个社会的全民健康做出重大贡献。本发明可广泛运用于康复诊疗训练与数据处理平台场合。
📄 2021102911945
📂 G16H80_00
👤 日照职业技术学院; 曲阜师范大学
📅 2021-03-18
本发明提供一种基于机器学习的结直肠癌免疫预后的预测方法，涉及生物医学检测技术领域，具体步骤包括：收集免疫相关标志和途径特征的基因集，使用单样本基因集富集分析方法和共识聚类方法，基于免疫相关标志和途径特征的基因集，对结直肠癌患者进行亚型分组，筛选出显著差异表达基因；对这些基因进行单因素Cox回归分析，获得具有预后价值的免疫相关基因；利用机器学习组合算法训练多种预后模型，计算并比较其C‑index平均值，选择最佳模型构建结直肠癌免疫预后模型；根据该模型计算每位患者的风险评分值；根据患者的风险评分，预测其总体生存率和风险分组情况。本发明显著提升了模型对免疫微环境的反映能力，优化了预测精度，为结直肠癌患者的个性化治疗提供了科学依据。
📄 2024111016632
📂 G16B40_00
👤 苏州科技大学
📅 2024-08-12
本申请公共开了基于机器学习的环境金属暴露下2型糖尿病诊断方法，其中包括一种环境金属暴露下2型糖尿病诊断模型构建方法，该方法包括：基于NHANES数据集，对NHANES数据集进行数据清洗，获取第一数据集；利用随机森林算法筛选第一数据集的特征，获取特征数据集；基于XGBoost分类器、随机森林分类器和LightGBM分类器，构建XRL分类器；基于XRL分类器和特征数据集，进行2型糖尿病诊断分析。本申请将具有最优超参数的XGBoost、随机森林(Randomforest)和LightGBM分类器构建为XRL分类器，并额外考虑尿液和饮食中金属暴露物对2型糖尿病的潜在影响，提升了2型糖尿病的预测精度与分类准确率，从而促进生活方式和饮食干预2型糖尿病。
📄 2023103444465
📂 G16H50_20
👤 南通大学
📅 2023-04-03
本发明公开了一种基于机器学习的慢性阻塞性肺疾病测试系统，包括：肺部机能检测装置，用于获取被测者肺部机能检测项目及其测量值；处理器，与肺部机能检测装置相连，具有主成分特征分析模块、决策树构建模块和决策树测试模块；显示单元，与处理器相连，用于输出处理器的结果；本发明基于决策树的机器学习模型，使得慢性阻塞性肺疾病与病患的肺部各项生理指标建立联系，具有测试准确度高、可靠性强且较稳定的有益效果。
📄 2017101207351
📂 G06F19_00
👤 山东师范大学
📅 2017-03-02
本发明公开了基于机器学习的人体减重方案推荐方法、系统及介质，构建训练集，对每个训练样本采集若干个人体机能测量值；对采集的测量值进行预处理；从预处理后的测量值中提取基础代谢率特征、躯干皮下脂肪百分率特征和内脏脂肪指数特征，对提取的基础代谢率、躯干皮下脂肪百分率和内脏脂肪指数特征进行特征融合，将每个样本融合后的特征和每个样本预先设置的减重方案标签输入到预先搭建的神经网络模型中进行训练，得到训练好的神经网络模型；对测试样本采集若干个人体机能测量值；对采集的测量值进行预处理；对预处理后的测量值提取三个特征，进行特征融合，将每个测试样本融合后的特征输入到训练好的神经网络模型中，输出推荐的减重方案。
📄 2018107638740
📂 G16H20_00
👤 山东师范大学
📅 2018-07-12
本发明公开了一种基于图论和机器学习的神经症特征提取方法，首先基于EEG数据构建神经症下躯体维度和情感维度的脑功能网络，以62通道作为网络的节点，分别选取相位滞后指数和加权相位滞后指数作为网络中边的度量。提取两指标对应的网络拓扑属性——全局效率，进行融合后作为识别躯体维度和情感维度的特征向量，并利用机器学习分类模型进行分类，且该特征相应的脑功能网络映射到3D脑模型上可定位两个维度的网络异常连接位置。本发明可进一步用于为神经症的识别提供了标识物，并进一步研究疾病的靶点。
📄 2021106259005
📂 A61B5_369
👤 重庆邮电大学
📅 2021-06-04
柿子坊 · 知识产权运营
柿子坊知识产权运营平台