Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京理工大学;北京理工大学长三角研究院(嘉兴)孔令琴获国家专利权

北京理工大学;北京理工大学长三角研究院(嘉兴)孔令琴获国家专利权

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!

龙图腾网获悉北京理工大学;北京理工大学长三角研究院(嘉兴)申请的专利一种基于图谱联合的无创血红蛋白检测方法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:CN116421180B

龙图腾网通过国家知识产权局官网在2026-03-20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:202310403063.0,技术领域涉及:A61B5/1455;该发明授权一种基于图谱联合的无创血红蛋白检测方法是由孔令琴;孙禹;吴小溪;董立泉;赵跃进;褚旭红设计研发完成,并于2023-04-14向国家知识产权局提交的专利申请。

一种基于图谱联合的无创血红蛋白检测方法在说明书摘要公布了:本发明涉及一种基于图谱联合的无创血红蛋白检测方法,属于生理信号检测领域。本发明通过使用白光光源对包含人体皮肤区域手指进行照射,同时使用高光谱相机与工业相机同时对皮肤区域进行图像采集,通过训练光谱超分辨模型,实现高光谱重建,然后对高光谱数据去冗余同时保留图像空间信息与光谱信息的特征,进一步根据蒙特卡洛仿真结果确定针对特定波段的通道注意力模块,最后建立回归预测模型预测出人体血红蛋白浓度。

本发明授权一种基于图谱联合的无创血红蛋白检测方法在权利要求书中公布了:1.一种基于图谱联合的无创血红蛋白检测方法,用于实现无创非接触式的血红蛋白浓度检测,其特征在于,该方法由光谱超分辨模型、图谱联合式血红蛋白特征提取模型与回归预测模型构成;所述光谱超分辨模型为针对皮肤的多尺度混合域注意力机制预测模型;所述特征提取模型采用图谱联合与泛化低秩结构相结合的算法;所述回归预测模型采用基于多元线性回归与双二次加权融合的算法;该方法首先在无杂光干扰的环境下采集手指同一部位的RGB图像与高光谱图像,然后对重建的高光谱数据进行去冗余,并根据蒙特卡洛仿真结果,通过3D卷积算法特征提取,同时保留图像的空间与谱信息,最后将特征值输入回归预测模型中,预测出人体血红蛋白浓度值;成像设备位于手指指尖25-40cm处,实现了血红蛋白浓度值的无创式测量,避免了有创测量引起的病人疼痛和感染的风险;光源包括白光光源,所述光谱超分辨模型包括多尺度混合域注意力机制网络,数据去冗余算法包括泛化低秩模型,所述特征提取模型包括基于3D卷积的图谱联合特征提取算法,所述回归预测模型包括基于多元线性回归与双二次加权融合的算法;所述血红蛋白检测方法包含以下步骤; 步骤1、采集数据集训练网络模型重建高光谱图像; 1、启动白光光源,将可见光发射到手指; 2、启动工业相机与高光谱相机,进行对焦及白板校准,保证无干扰光影响相机采集图像; 3、手指放在与采集设备成固定夹角的位置,保持静止10s,采集RGB图像与高光谱图像; 步骤2、建立基于3D卷积的图谱联合特征提取模型; 1、设计蒙特卡洛仿真实验确定不同血红蛋白浓度下的皮肤漫反射谱; 2、在最小误差范围内对高光谱数据进行矩阵分解,分解为基矩阵和基矩阵对应的系数矩阵; 3、使用3D卷积对高光谱数据进行特征提取,同时保留空间信息与谱信息; 步骤3、建立回归预测模型,预测出人体血红蛋白浓度; 1、建立基于多元线性回归与双二次加权融合的血红蛋白预测算法; 2、将血红蛋白特征输入到校正模型中,预测出血红蛋白浓度; 3、处理血红蛋白预测数据与真值,使用评价函数评血红蛋白预测准确度。

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北京理工大学;北京理工大学长三角研究院(嘉兴),其通讯地址为:100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾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。