期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于弱监督学习卷积神经网络的心脏按压评估
被引量：
1
1
作者
鲍宇
殷佳豪
+2 位作者
刘世杰
杨轩
朱紫维
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2019年第5期203-212,共10页
传统的基于加速度波形积分的心脏胸外按压评估方法受噪声和积分时延影响,在计算距离时存在较大误差,评估效果不理想。为此,在弱监督学习策略与波形分割的基础上,提出了一种基于一维卷积神经网络的心脏按压加速度波形识别算法,实验结果表...
传统的基于加速度波形积分的心脏胸外按压评估方法受噪声和积分时延影响,在计算距离时存在较大误差,评估效果不理想。为此,在弱监督学习策略与波形分割的基础上,提出了一种基于一维卷积神经网络的心脏按压加速度波形识别算法,实验结果表明,一维卷积神经网络达到了99.4%的正确率,明显优于传统的积分方法和BP神经网络算法。进一步采用Grad-CAM方法对评估结果进行可视化分析,发现卷积神经网络所关注的特征集中于开始按压至按压到达平衡位置,以及此次按压松手后反向加速度达到最大值至下一次按压开始这2个阶段的加速度波形变化情况。此外该评估模型不再需要对按压距离进行精确测距,因而不受按压遮挡、电磁波干扰等因素的影响,可以实时检测按压是否规范有效,在复杂环境中也具有较高的鲁棒性,在医疗急救领域中具有一定的实用价值。
展开更多
关键词
加速度
波形
评估
一维卷积神经网络
脉冲识别与波形分割
弱监督学习策略
一维Grad-CAM可视化
在线阅读
下载PDF
职称材料
基于一维卷积神经网络的实时心脏按压评估
被引量：
1
2
作者
殷佳豪
刘世杰
+2 位作者
鲍宇
杨轩
朱紫维
《计算机工程》
CAS
CSCD
北大核心
2020年第5期298-304,311,共8页
在评估胸外心脏按压加速度波形时,现有的利用加速度波形积分计算胸外心脏按压距离的方法多数存在积分漂移、误差累积的问题。在波形分割和标签修正的基础上,提出一种基于一维卷积神经网络的胸外心脏按压波形的识别算法。对滤波后的数据...
在评估胸外心脏按压加速度波形时,现有的利用加速度波形积分计算胸外心脏按压距离的方法多数存在积分漂移、误差累积的问题。在波形分割和标签修正的基础上,提出一种基于一维卷积神经网络的胸外心脏按压波形的识别算法。对滤波后的数据进行脉冲识别,使用滑动窗口模型分割识别后的脉冲得到单次按压的加速度波形,根据数据离散程度对标签进行修正,解决标签可信度低的问题,在此基础上运用学习率衰减、Adam算法等构建一维卷积神经网络模型并进行优化。实验结果表明,该算法基于一维卷积神经网络的分类正确率达到99.4%,对比传统的积分算法、BP神经网络算法提升近5%,且不受按压遮挡、电磁波干扰等因素的影响,对于胸外心脏按压评估具有良好的效果。
展开更多
关键词
胸外心脏按压
一维卷积神经网络
滑动窗口模型
脉冲识别与波形分割
弱监督学习策略
在线阅读
下载PDF
职称材料
题名
基于弱监督学习卷积神经网络的心脏按压评估
被引量：
1
1
作者
鲍宇
殷佳豪
刘世杰
杨轩
朱紫维
机构
中国矿业大学计算机学院
矿山数字化教育部工程中心
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2019年第5期203-212,共10页
基金
国家重点基础研究发展计划(973计划)(2013CB227900)
徐州市应用基础研究项目(KC17073)资助
文摘
传统的基于加速度波形积分的心脏胸外按压评估方法受噪声和积分时延影响,在计算距离时存在较大误差,评估效果不理想。为此,在弱监督学习策略与波形分割的基础上,提出了一种基于一维卷积神经网络的心脏按压加速度波形识别算法,实验结果表明,一维卷积神经网络达到了99.4%的正确率,明显优于传统的积分方法和BP神经网络算法。进一步采用Grad-CAM方法对评估结果进行可视化分析,发现卷积神经网络所关注的特征集中于开始按压至按压到达平衡位置,以及此次按压松手后反向加速度达到最大值至下一次按压开始这2个阶段的加速度波形变化情况。此外该评估模型不再需要对按压距离进行精确测距,因而不受按压遮挡、电磁波干扰等因素的影响,可以实时检测按压是否规范有效,在复杂环境中也具有较高的鲁棒性,在医疗急救领域中具有一定的实用价值。
关键词
加速度
波形
评估
一维卷积神经网络
脉冲识别与波形分割
弱监督学习策略
一维Grad-CAM可视化
Keywords
acceleration waveform evaluation
one-dimensional convolutional neural network
pulse recognition and waveformsegmentation
weak supervised learning strategies
one-dimensional Grad-CAM visualization
分类号
TP306 [自动化与计算机技术—计算机系统结构]
TH825 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
基于一维卷积神经网络的实时心脏按压评估
被引量：
1
2
作者
殷佳豪
刘世杰
鲍宇
杨轩
朱紫维
机构
中国矿业大学计算机科学与技术学院
矿山数字化教育部工程研究中心
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第5期298-304,311,共8页
基金
国家自然科学基金(51204185)
国家重点基础研究发展计划(2013CB227900)
+1 种基金
教育部新世纪优秀人才支持计划(NCET-13-1022)
徐州市应用基础研究项目(KC17073)。
文摘
在评估胸外心脏按压加速度波形时,现有的利用加速度波形积分计算胸外心脏按压距离的方法多数存在积分漂移、误差累积的问题。在波形分割和标签修正的基础上,提出一种基于一维卷积神经网络的胸外心脏按压波形的识别算法。对滤波后的数据进行脉冲识别,使用滑动窗口模型分割识别后的脉冲得到单次按压的加速度波形,根据数据离散程度对标签进行修正,解决标签可信度低的问题,在此基础上运用学习率衰减、Adam算法等构建一维卷积神经网络模型并进行优化。实验结果表明,该算法基于一维卷积神经网络的分类正确率达到99.4%,对比传统的积分算法、BP神经网络算法提升近5%,且不受按压遮挡、电磁波干扰等因素的影响,对于胸外心脏按压评估具有良好的效果。
关键词
胸外心脏按压
一维卷积神经网络
滑动窗口模型
脉冲识别与波形分割
弱监督学习策略
Keywords
external cardiac massage
one-dimensional convolutional neural network
sliding window model
pulse recognition and waveform segmentation
weak supervised learning strategies
分类号
TP306 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于弱监督学习卷积神经网络的心脏按压评估
鲍宇
殷佳豪
刘世杰
杨轩
朱紫维
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2019
1
在线阅读
下载PDF
职称材料
2
基于一维卷积神经网络的实时心脏按压评估
殷佳豪
刘世杰
鲍宇
杨轩
朱紫维
《计算机工程》
CAS
CSCD
北大核心
2020
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
