Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 绵阳市第三人民医院付莎获国家专利权

绵阳市第三人民医院付莎获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉绵阳市第三人民医院申请的专利一种基于深度学习的强迫症识别干预方法、干预系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119672618B

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510197783.5,技术领域涉及:G06V20/40;该发明授权一种基于深度学习的强迫症识别干预方法、干预系统是由付莎;袁宁慧;黄远芳设计研发完成,并于2025-02-21向国家知识产权局提交的专利申请。

一种基于深度学习的强迫症识别干预方法、干预系统在说明书摘要公布了:本发明涉及一种基于深度学习的强迫症识别干预方法、干预系统,当目标对象出现在视野内,通过对采集的目标对象的视频图像进行分割训练,预测强迫症相关度,而当目标对象不在视野内时,通过手环采集强迫症人员的多项生理型指标数据,并采用模糊神经网络进行预测,两种情景下检测的强迫症相关度能够实现数据融合,最终通过判断目标控制函数,在有强迫症行为出现时及时向手环发送远程控制指令,播放舒缓类风格的音乐,同时通过手环显示屏提示用户“放松心态”,进而使强迫症人员身心暂缓,跳出强迫症模式。因此,本技术方案对人员强迫症行为进行准确、高效地预测,并在预测的基础上,通过视听方式对强迫症行为及时干预、引导。

本发明授权一种基于深度学习的强迫症识别干预方法、干预系统在权利要求书中公布了:1.一种基于深度学习的强迫症识别干预系统,其特征在于:所述干预系统包括摄像头、手环和控制器,所述摄像头内具有图像数据采集单元,所述手环内设置指标采集单元,所述指标采集单元包括地理位置传感器、心率传感器、呼吸速率传感器、脉搏传感器、血压传感器和运动姿态传感器,摄像头、手环均与控制器通信连接;所述干预系统采用以下方法识别强迫症行为,判断目标对象是否在视野内,若是,则进入图像数据采集及处理步骤:对目标对象进行图像数据采集,利用CNN网络进行图像分割、分类、预测,最终输出强迫症相关度S;若否,则进入生理型指标参数采集及处理步骤:对目标对象进行生理型指标参数采集,对生理型指标参数进行预处理、训练、预测,所述强迫症相关度S输入目标控制函数Ψ;基于所述强迫症相关度S、目标控制函数Ψ预测所述目标对象是否出现强迫症行为,若是,则针对所述目标对象的强迫症行为进行干预;所述图像数据采集及处理步骤包括以下步骤S11-S14:步骤S11:目标对象在视野内,通过摄像头采集区域内目标对象的视频帧图像Dn,t,其中t为时间,n表示某一帧;步骤S12:将视频帧图像Dn,t导入CNN网络,对视频帧图像Dn,t进行图像分割,得到多个特征图Di,j,t,利用加权双向特征金字塔结构,赋予特征层不同权重,其中下标“i,j”表示特征图Di,j,t在原视频帧图像Dn,t中的坐标位置;步骤S13:在CNN网络中的输出结果中,设置分类类型,分类类型包括人脸、动作、关联物体,在softmax层预设各分类类型对应的权重Wi,j,通过所述CNN网络结合双向特征金字塔、Yolohead,输出各分类类型,将输出的分类类型作为视频帧图像的分类预测值,判断当前时刻的事件类型Rt,其中,R为事件类型,t为时间;步骤S14:遍历当前时刻以前某一预设时间的事件类型Rt-1、Rt-2、Rt-3、Rt-n,判断Rt-n与Rt是否相同,若相同,则判断为同一事件类型,根据同一事件出现的次数判断强迫症相关度S;所述生理型指标参数包括当前时刻的地理位置Dxy、心率TH、呼吸速率ζ1、脉搏频率ζ2、血压P、运动姿态Mm以及强迫症相关度S,S值由步骤S14得到;所述生理型指标参数采集及处理步骤包括以下步骤S21-S25:步骤S21:目标对象在盲区或非视野内时,通过强迫症人员手上佩戴的手环,对所述强迫症人员的多项生理型指标数据进行实时采集;步骤S22:数据预处理:将多项生理型指标数据进行归一化处理,得到数据集{Xi,t},具体地,归一化参数Xi为:Xi,t+1=Yi,t+1-Yi,tYi,01式中,Y代表归一化前的某项生理型指标值,X表示归一化后的生理型指标,下标“t”表示某个时间点,下标“i”表示第i项,Yi,0表示t=0时的初始时刻的第i项生理型指标值;步骤S23:将步骤S22中的经过预处理后的数据集{Xi,t}作为输入参数,设定神经元个数和训练次数,并导入模糊神经网络中进行训练;采用T-S预测模型进行预测,非线性预测的模糊函数如下:Xi,t+1=f{Xi,t+1},St+g{Xi,t},St-1u2上式中,St表示人员在t时刻的强迫症相关度,u为模糊预测的实际输出值,g的格式为: 步骤S24:对数据集中的归一化参数Xi以及当前时刻的强迫症相关度S进行训练学习,并更新模糊网络中的各项参数;步骤S25:在步骤S24的基础上,计算目标控制函数Ψ,并判断强迫症相关度S是否为中相关及以上,若是,进一步判断其是否达到预设阈值Ψset,若是,MCU控制单元向手环发送远程控制指令,通过视听提示干预目标对象的强迫症行为;Ψt=a1*X1,t+a2*X2,t+a3*X3,t+a4*X4,t+a5*X5,t+a6*X6,t+St4式中,系数a1~a6是在初始参数给定的情况下,由上述模糊神经网络反复迭代解算得出。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人绵阳市第三人民医院,其通讯地址为:621054 四川省绵阳市游仙区剑南路东段190号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。