-
公开(公告)号：CN116364299B
公开(公告)日：2024-02-13
申请号：CN202310338675.6
申请日：2023-03-30
Applicant: 之江实验室
IPC: G16H50/70 , G16H50/20 , G16H10/60 , G06F16/36 , G06F17/16 , G06F18/23213 , G06N3/0464
Abstract: 本发明公开一种基于异构信息网络的疾病诊疗路径聚类方法，包括：获取包含诊疗数据和诊疗事件关系的医疗数据；基于所述诊疗事件关系对诊疗数据中的诊疗事件结点进行拓扑连接，构建异构信息网络；基于给定的元路径，通过注意力机制对所述异构信息网络中不同类型诊疗事件的语义关系进行处理，获得诊疗事件邻接矩阵；根据患者的历史诊疗数据，构建基于时序的患者就诊矩阵并与诊疗事件邻接矩阵通过图卷积变换，获得对应的患者特征矩阵；采用K‑Means聚类算法对所述患者特征矩阵进行聚类，并基于聚类结果对相似患者的诊疗数据进行临床分析。本发明还提供了一种疾病诊疗路径聚类系统。本发明提供的方法可以辅助医生进行疾病分型，从而制定精准化治疗方案。
-
公开(公告)号：CN117012374B
公开(公告)日：2024-01-26
申请号：CN202311280829.7
申请日：2023-10-07
Applicant: 之江实验室
Abstract: 病情发展，并自动及时预测推荐相应治疗方案及本发明涉及一种融合事件图谱和深度强化 预警风险。学习的医疗随访系统及方法，该系统包括：特征事件图谱构建模块用于获取第一用户临床特征数据，以构建临床特征事件图谱；随访推荐模块基于临床特征事件图谱，结合预设的状态预测及动作推荐模型，预测出第一用户当前状态信息以及输出对应诊疗动作策略；风险预警模块根据第一用户当前状态信息，从临床特征事件图谱中搜索出相应风险因素并进行预警提示。与现有技术相比，本发明将强化学习和特征事件图谱相结(56)对比文件Yuanyuan Jia etc..DKDR: An Approachof Knowledge Graph and Deep ReinforcementLearning for Disease Diagnosis《.IEEEInternational Symposium on Parallel andDistributed Processing withApplications》.第1303-1308页.Liang, Y etc..Deep KnowledgeReasoning guided Disease Prediction《.2022 IEEE International Conference onSystems, Man, and Cybernetics (SMC)》.2022,第2695-2702页.卢严砖;孔祥勇;李星星;徐云舟;吴汶憶;陈学武;朱睿琪“.医路同行”智能医疗服务平台设计与实现.软件.2020,(第01期),第242-247页.
-
公开(公告)号：CN116755698B
公开(公告)日：2023-12-08
申请号：CN202311057250.4
申请日：2023-08-22
Applicant: 之江实验室
Abstract: 本发明公开了一种基于CLI的前端工程创建和升级系统及方法，本发明通过指令集模块中的目标工程的指令，传达到核心库的工具包中该指令对应的工具文件，进而调用插件和模板，对目标工程和模板进行diff，得到patch、merge_leafs，基于文件merge创建一个新的前端工程或对已有前端工程进行改造升级。本发明创新性地提供了基于CLI的前端工程改造升级功能，设计并实现适合本发明应用场景的diff算法和merge算法，时间复杂度分别为O(n)和O(m+n)。
-
公开(公告)号：CN117094412A
公开(公告)日：2023-11-21
申请号：CN202311045465.4
申请日：2023-08-18
Applicant: 之江实验室
Abstract: 本发明公开了一种针对非独立同分布医疗场景下的联邦学习方法，本发明首先将类别标签变量分布相近的医疗机构分在同一个簇内，训练过程中，先对在每个簇内的本地训练后得到的本地模型权值进行联邦平均得到对应簇模型的更新权值，从而能够减少由于数据不平衡对准确预测联邦平均结果的影响，然后将能够获得较为准确的联邦平均结果的各个簇模型的更新权值进行整合得到当前迭代的全局模型权值，通过多次迭代得到能够准确对疾病诊断、用药推荐以及治疗方案等医疗问题进行预测的全局模型。本发明还公开了一种针对非独立同分布医疗场景下的联邦学习装置和存储介质。
-
公开(公告)号：CN117077649A
公开(公告)日：2023-11-17
申请号：CN202311336529.6
申请日：2023-10-16
Applicant: 之江实验室
IPC: G06F40/186 , G06F40/166 , G06F16/28
Abstract: 本说明书公开了一种生成医疗文本提取模版方法，从上述方法可以看出，本申请将若干医疗文本输入训练完成的提取模型，得到提取模型输出的若干医疗文本分别对应的候选提取模版。根据候选提取模版中每个元素出现频率，以及与其他元素的共现次数，分别确定每个元素的代表性和可靠性。根据代表性以及可靠性，确定每个元素的置信度，根据置信度对候选提取模版过滤，提高候选提取模板包含的元素对医疗文本覆盖率。将过滤后的候选提取模版进行聚合，可以提高候选提取模板的泛化性，根据聚合结果，确定目标提取模版。实现了自动生成医疗文本提取模版，减少人力成本，提高了提取医学信息的效率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN117012375A
公开(公告)日：2023-11-07
申请号：CN202311284104.5
申请日：2023-10-07
Applicant: 之江实验室
Abstract: 本发明公开了一种基于患者拓扑特征相似性的临床决策支持方法和系统，该方法包括：采集患者的电子健康记录数据；对电子健康记录数据进行预处理，得到标准化的每个患者的诊疗事件；根据每个患者的诊疗事件以及医疗知识图谱构建患者的异构图；通过一阶共有邻居计算患者之间的一阶相似性，通过异构元路径挖掘患者间的高阶相似性，融合两种相似性得到患者间的相似度；对相似度排序得到M个相似度最高的患者，根据该M个患者的电子健康记录数据进行临床分析，得到分析结果为医生设计治疗方案提供指导。本发明不需要专家知识库，可以兼容不同的医疗领域，同时避免了长时间训练和黑盒特性，有利于节省时间成本，有助于增强泛化能力和可解释性。
-
公开(公告)号：CN117009924A
公开(公告)日：2023-11-07
申请号：CN202311277196.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/214 , G06F18/24 , G16H10/60
Abstract: 本发明涉及一种电子病历引导的多模态自适应多中心数据融合方法及系统，所述融合方法包括以下步骤：在服务器端构建电子病历引导的多模态融合网络模型，该多模态网络模型包括编码器模块、电子病历引导的多模态注意力模块、电子病历引导的多头共注意力模块和自适应降采样模块；以各客户端作为参与者构建联邦学习框架，基于各客户端的本地数据完成用于多中心协作交互的基于联邦学习的多模态网络模型参数的动态更新，自适应实现多中心电子病历数据和影像数据的融合。与现有技术相比，本发明在充分挖掘多模态数据中隐藏的有用信息的基础上，引入联邦学习机制，充分利用分布在不同医疗机构的多模态信息，解决数据融合精度低及泛化性差的问题。
-
公开(公告)号：CN117009839A
公开(公告)日：2023-11-07
申请号：CN202311267386.8
申请日：2023-09-28
Applicant: 之江实验室
Abstract: 本申请涉及一种基于异构超图神经网络的患者聚类方法和装置，其中，该基于异构超图神经网络的患者聚类方法包括：根据各个对象的电子病历信息，构建与对象对应的异构超图；将目标模型中表示学习模块对应的重构损失函数，以及目标模型中对象聚类模块对应的聚类损失函数作为模型整体损失，对目标模型进行训练，直至目标模型收敛，输出对象聚类模块中的最终聚类结果；其中，在目标模型的训练过程中，基于每次表示学习模块从异构超图中学习到的节点表示矢量，更新对象聚类模块中的聚类结果；节点表示矢量为异构超图中每个对象的就诊记录节点对应的表示矢量。通过本申请，解决了无法获取准确的聚类结果的问题，实现了提高聚类结果的准确性。
-
公开(公告)号：CN116628654B
公开(公告)日：2023-11-07
申请号：CN202310922018.6
申请日：2023-07-26
Applicant: 之江实验室
Abstract: 本发明公开了一种前端页面权限控制方法、装置、设备及存储介质，本发明包括四层拦截：登录拦截、菜单拦截、路由拦截和接口拦截。本发明设计了一种鉴权路由，在拦截页面跳转的同时，使用二进制计算方法完成读与写两大基本权限的权限判断，进而区分页面的读写性。本发明通过加密按钮在页面上的位置与按钮的自身属性内容文本作为按钮唯一权限标识，在页面正式渲染前得到即将渲染到页面上的全部按钮，并根据后端接口过滤出有权限的按钮，解决逐一为按钮添加权限判断的问题。本发明提出的链式拦截结构在处理页面读写性控制、按钮权限统一控制等方面不受前端框架约束，且兼顾了用户角色配置，是一种通用的权限配置方法，扩大了使用范围。
-
公开(公告)号：CN116994693A
公开(公告)日：2023-11-03
申请号：CN202311259740.2
申请日：2023-09-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于稳定性控制的医保统筹智能体的建模方法与系统，周期性的对获取的包括DIP/DRG分组点数和医院等级系数的患者真实数据进行汇总；结合医院和患者价值函数建立多周期时序性医保智能体强化学习模型并进行周期训练：在单个结算周期内将每次交互样本进行判断，分配到稳定经验池和波动经验池；在双经验池中进行随机采样，并更新损失函数直至奖励值收敛，将每周期输出结果作为下周期的初始状态；通过训练好的模型，得到下周期的DIP/DRG分组点数和医院等级系数。本发明结合了医保周期结算的特点，在智能体的训练上采用了多周期训练方法，同时考虑相邻周期智能体输出在时序上的稳定性，提高了收敛速度，减少了数据波动。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.029 seconds)
