Hauptinhalt

Bibliografische Daten

Dokument DE202023101621U1 (Seiten: 11)

Bibliografische Daten Dokument DE202023101621U1 (Seiten: 11)
INID Kriterium Feld Inhalt
54 Titel TI [DE] Ein System zur Erkennung von COVID-19 auf Basis von IoT und maschinellem Lernen
71/73 Anmelder/Inhaber PA Amalanathan, Selvia Arokiya Mary, Tamil Nadu, Chennai, IN ; Chandrasekhar, Parthasarathi Balasamudram, Dr., Andhra Pradesh, Tirupati, IN ; Hainan Weichang Information Technology Co., Ltd, Hainan, CN ; Hariram, Venkatesan, Prof. Dr., Tamil Nadu, Salem, IN ; Li, Jianfeng, Haikou, CN ; Li, Zeyun, Penang, MY ; Manoharan, Poongodi, Doha, QA ; Misra, Shubhrojit, Rajasthan, Jaipur, IN ; Paul, Sanchita, Dr., Jharkhand, Ranchi, IN ; Sharma, Shailendra, Uttar Pradesh, Ghaziabad, IN ; Swamy, Amit, Dr., Abu Dhabi, AE ; Yeruva, Ajay Reddy, CA, Pleasanton, US
72 Erfinder IN
22/96 Anmeldedatum AD 30.03.2023
21 Anmeldenummer AN 202023101621
Anmeldeland AC DE
Veröffentlichungsdatum PUB 27.07.2023
33
31
32
Priorität PRC
PRN
PRD


51 IPC-Hauptklasse ICM G16H 50/80 (2018.01)
51 IPC-Nebenklasse ICS G08B 21/02 (2006.01)
G08B 25/00 (2006.01)
IPC-Zusatzklasse ICA
IPC-Indexklasse ICI
Gemeinsame Patentklassifikation CPC G08B 21/22
G16H 50/20
G16H 50/30
G16H 50/70
G16H 50/80
MCD-Hauptklasse MCM G16H 50/80 (2018.01)
MCD-Nebenklasse MCS G08B 21/02 (2006.01)
G08B 25/00 (2006.01)
MCD-Zusatzklasse MCA
57 Zusammenfassung AB [DE] Ein System zur Früherkennung und Prävention von COVID-19 basierend auf der Integration von IoT und maschinellem Lernen, das System umfasst:ein Netzwerk (104) von IoT-Sensoren (102), die konfiguriert sind, um Daten in Bezug auf Lebenszeichen, Umweltfaktoren und Kontaktverfolgungsinformationen von Einzelpersonen zu sammeln;ein maschinelles Lernmodell (106), das ein neuronales Deep-Learning-Netzwerk umfasst, das unter Verwendung einer Kombination aus überwachten und nicht überwachten Lerntechniken trainiert wird, um Muster in den gesammelten Daten zu identifizieren, die auf eine COVID-19-Infektion hinweisen;eine Datenbank (108) zum Speichern der gesammelten Daten und der vom Maschinenlernmodell (106) erzeugten Ausgabe;ein Benachrichtigungssystem (110), das Warnungen an bestimmte Personen oder Behörden sendet, falls der Wahrscheinlichkeitswert für eine COVID-19-Infektion einen vorbestimmten Schwellenwert überschreitet;eine Benutzerschnittstelle (112), die dem Benutzer die Ergebnisse der Analyse anzeigt, einschließlich der Wahrscheinlichkeitspunktzahl, und eine Anleitung zu den nächsten Schritten, wie beispielsweise Testen oder Selbstisolation, bereitstellt;ein Datenschutz- und Sicherheitsmodul (114), das sicherstellt, dass die gesammelten Daten geschützt und nur autorisierten Personen zugänglich sind; Undein Rückkopplungsschleifenmodul (116), das es dem maschinellen Lernmodell (106) ermöglicht , aus seinen Fehlern zu lernen und seine Genauigkeit beim Erkennen einer COVID -19-Infektion kontinuierlich zu verbessern.
56 Entgegengehaltene Patentdokumente/Zitate,
in Recherche ermittelt
CT
56 Entgegengehaltene Patentdokumente/Zitate,
vom Anmelder genannt
CT
56 Entgegengehaltene Nichtpatentliteratur/Zitate,
in Recherche ermittelt
CTNP
56 Entgegengehaltene Nichtpatentliteratur/Zitate,
vom Anmelder genannt
CTNP
Zitierende Dokumente Dokumente ermitteln
Sequenzprotokoll
Prüfstoff-IPC ICP