本发明提供了一种用于检测癫痫病灶的设备，所述设备包括头套和控制器，所述控制器具有训练脑电图信号和检测脑电图信号功能，所述训练脑电图信号是为了构建动态估计器，所述检测脑电图信号是根据构建的动态估计器判断病灶区与非病灶区，并将判断结果通过控制器显示。与现有技术相比，本发明具有以下有益效果：能够准确的识别癫痫病灶区和非病灶区，便于医生规划大脑的手术区域。
📄 201910494063X
📂 A61B5_0476
👤 龙岩学院
📅 2019-06-08
本发明提供了一种辅助癫痫手术的监测设备，包括头套、设置在头套的内侧上方的顶部测量爪和设置在头套的内测周边的侧边测量爪，头套通过支架固定，顶部测量爪和侧部测量爪均可绕各自的中心轴旋转，侧部测量爪环绕头套均匀设置，侧部测量爪可绕头套中心轴转动，通过转动变换位置，以能达到更精确的测量。本发明具有以下有益效果：能够准确的识别癫痫病灶区和非病灶区，便于医生规划大脑的手术区域。通过测量爪的自转可以消除因电极的原因而导致测量不准确，通过侧部测量爪沿头套的周边旋转可以更加精确的确定病灶的位置。
📄 2019107245784
📂 A61B5_0476
👤 龙岩学院
📅 2019-08-07
本发明提供了一种用于辅助癫痫手术的监测设备，设备包括支撑环、固定环和滑动环，固定环前后方向设置、两端与支撑环固定，所述滑动环左右方向设置，可相对于固定环滑动，滑动环与支撑环通过铰接部可转动连接，滑动环上可移动的设置有测量爪。与现有技术相比，本发明具有以下有益效果：能够准确的识别癫痫病灶区和非病灶区，便于医生规划大脑的手术区域。通过测量爪移动和伸缩，可以变换监测位置，以及缩小监测范围，可使测量更加准确、可靠。
📄 2019107244989
📂 A61B5_0476
👤 龙岩学院
📅 2019-08-07
本发明公开了一种可穿戴式心电监测设备，心电监测设备包括单导联心电装置和穿戴装置，单导联心电装置用于贴设在心脏位置，穿戴装置用于佩戴在患者腕部，单导联心电装置采集心电信号，并将心电信号发送到云端，云端进行分析将该分析结果发送回穿戴装置，通过穿戴装置上的显示屏显示判断结果、提示灯闪烁、喇叭发出提示音和震动头震动方式告知心脏病患者，提醒其心脏的状态并及时服用药物抑制心脏病发。本发明有益效果：安装方便，减少患者的手术痛苦；在需要更换时能够比较快速的取下，对患者的心脏伤害较小；本发明能够及时提醒患者进行服药。
📄 2019113871022
📂 A61B5_0402
👤 龙岩学院
📅 2019-12-30
本发明实施例公开一种顿悟能力评估方法及相关设备，根据英文单词数据和图形数据库分别对测试者进行顿悟能力检测，得到第一检测参数和第二检测参数，其中，第一检测参数、第二检测参数与顿悟能力相关联；再根据第一检测参数、第二检测参数分别得到测试者的第一顿悟力评价信息和第二顿悟力评价信息，以根据第一顿悟力评价信息和第二顿悟力评价信息对该测试者的顿悟能力进行综合评估。特别地，由于具有受测试者的词汇量、年龄、文化背景等影响较小的图形顿悟检测支路，本发明实施例的评估方法可以适应不同年龄段和教育水平的测试者的顿悟力检测需求，而且结合英文单词顿悟检测和图形顿悟检测对顿悟力进行评估，评估的准确度更高。
📄 202010552504X
📂 A61B5_0484
👤 中国科学院深圳先进技术研究院
📅 2020-06-16
一种基于心电波形图全局与局部深度特征融合的异常心电图筛查方法，包括以下步骤：步骤一，构建检测网络模型，检测出心电图像中完整心博；步骤二，构建局部特征提取网络，提取步骤一中检测出完整心博区域的局部特征；步骤三，构建全局特征提取网络，提取心电图像的全局特征；步骤四，构建深度特征融合网络；步骤五，整体训练步骤四中的深度特征融合网络；利用训练得到的深度特征融合网络对心电图像进行正常异常二分类。本发明可以利用心电图的全局特征和局部特征准确的筛查出异常心电图。
📄 2019110277615
📂 A61B5_0402
👤 浙江工业大学
📅 2019-10-28
一种心电散点图三维图像增强方法，包括以下步骤：步骤1：心电波形图数据预处理；步骤2：建立二维心电散点图；步骤3：统计相同坐标散点的频次；步骤4：建立三维心电散点图；步骤5：三维心电散点图切分；步骤6：二维切分图像滤波；步骤7：三维心电散点图重建。本发明将传统二维心电散点图中大量在同一位置重复的点进行统计，并将其出现频次作为判定疾病的标准之一，可以把传统散点图中被忽略的数据进行更加有效的利用，以达到后期图像识别准确率的提升。
📄 2019109544032
📂 A61B5_0402
👤 浙江工业大学
📅 2019-10-09
一种基于深度特征融合网络的心动过速心电图的筛查方法，包括以下步骤：步骤一，数据处理，对原始心电图图像进行预处理，除去心电图中基线漂移和电力线干扰；步骤二，数据重构，将预处理过后的心电图图像中的十二导联分别进行框选分离，重新组织构建数据集；步骤三，模型构建，构建深度神经网络；步骤四，模型训练，输入处理以及重构后的数据到网络中进行参数调整，训练模型；步骤五，模型输出，利用训练过后的模型筛查心动过速心电图。本发明可以根据心电图筛查是否为心动过速。
📄 2019102976548
📂 A61B5_0402
👤 浙江工业大学
📅 2019-04-15
一种基于深度神经网络的心肌梗死心电图的筛查方法，包括以下步骤：步骤一，对原始心电图像进行预处理，去除网格框；步骤二，对步骤一中的图像进行中值滤波处理，消除去除网格框后留下椒盐噪点；步骤三，通过直方图均衡化方法增强对比度，缩放心电图将尺寸统一为224*224，并将数据归一化为[0,1]；步骤四，构建深度神经网络，并利用ECG训练集进行训练。得到能够诊断是否患有心肌梗死的二分类神经网络；步骤五，利用训练得到的深度神经网络对心电图心肌梗死进行辅助筛查。本发明可以根据心电图辅助判断是否是心肌梗死。
📄 2019102689454
📂 A61B5_0402
👤 浙江工业大学
📅 2019-04-04
本发明公开了基于多尺度特征提取的多导联心跳信号分类的方法及装置，首先对多导联心跳信号进行预处理，得到心跳信号堆叠矩阵，然后将心跳信号堆叠矩阵输入至构建并训练完成的浅层特征提取模块，得到心跳信号的浅层特征图，将上一步得到的浅层特征图输入至构建并训练完成的多尺度深层特征提取模块，得到三种不同尺度的深层特征向量，最后将三种不同尺度的深层特征向量进行融合，得到特征融合向量，并基于此对多导联心跳信号进行分类。本发明先提取浅层特征，在提取深层特征，可使深层特征质量更加优秀，进而提升最终分类的性能。
📄 2020108630993
📂 A61B5_0402
👤 浙江工业大学
📅 2020-08-25
本公开公开了一种脑电信号处理方法及癫痫检测系统，数据预处理：对脑电信号数据集进行离散小波变换分解出五条脑电图频带；求出小波系数；剔除一条频率最高的脑电图频带，通过逆向离散小波变换对剩余四条低频率的频带进行重构，得到一个去掉高频成分的信号；从重构得到的信号中提取时域特征和基于熵的特征，构建备选特征集合；利用基于特征相关性的特征选择法从备选特征集合里面选出最优特征子集。其具有针对已提取特征，利用改进的基于相关性特征选择方法选出最优特征子集的效果。
📄 2018112366178
📂 A61B5_0476
👤 西南大学
📅 2018-10-23
本发明公开一种基于双层形态学滤波的心电信号预处理方法，其特征在于按照以下步骤进行：步骤1：利用三角型结构元素构建的第一层形态滤波器对原始心电信号f0进行处理获得初次滤波信号f1；步骤2：利用直线型结构元素构建的第二层形态滤波器对所述初次滤波信号f1进行处理获得二次滤波信号f2；步骤3：将步骤1获得的初次滤波信号f1与步骤2获得的二次滤波信号f2作差，获得预处理后的心电信号f3。其显著效果是：利用两层形态滤波器对心电信号进行处理，在保留心电信号有用特征的基础上，准确获取心电信号中的基线漂移，通过作差将其有效去除，有助于提高后续处理时检测R波的准确率。
📄 2013103355862
📂 A61B5_0402
👤 重庆邮电大学
📅 2013-08-02
柿子坊 · 知识产权运营
柿子坊知识产权运营平台