-
公开(公告)号：CN116994687B
公开(公告)日：2024-02-06
申请号：CN202311272949.2
申请日：2023-09-28
Applicant: 之江实验室
Abstract: 本发明公开了一种基于反事实对比的临床决策支持模型解释系统，该系统包括用于解读待解释的决策支持模型的模型基础信息的模型解读模块；用于得到反事实状态的患者数据的反事实数据生成模块；用于解释待解释的决策支持模型并给出反事实对比解释的反事实对比解释模块。本发明利用反事实对比的方法，对比患者数据与反事实状态的患者数据在相同临床决策支持模型下的决策差异，获得具有因果解释性的反事实对比解释，解决了传统全局解释方法因果解释性不足的问题。本发明提供患者个体的局部解释的同时还能够提供全局解释，解决了传统局部解释方法全局泛化性差且无法给出全局解释的问题。
-
公开(公告)号：CN116821375B
公开(公告)日：2023-12-22
申请号：CN202311092562.9
申请日：2023-08-29
Applicant: 之江实验室
Abstract: 本发明公开一种跨机构医学知识图谱表示学习方法，通过让各家医疗机构将本地医学知识图谱同态加密后发送给第三方服务器，第三方服务器在加密条件下完成本地医学知识图谱之间的医学概念匹配，获得全局医学知识图谱，以扩充现有医学知识图谱中的实体和关系。本发明还提供了一种跨机构医学知识图谱表示学习系统。本发明的方法可以解决现有技术中各医疗机构之间因特有医学实体导致的医学知识图谱差异问题，从而获得跨医疗机构语义一致表达的医学实体嵌入表示。
-
公开(公告)号：CN116759042A
公开(公告)日：2023-09-15
申请号：CN202311057093.7
申请日：2023-08-22
Applicant: 之江实验室
IPC: G16H10/60 , G16H50/70 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于环形一致性的反事实医疗数据生成系统，包括数据准备模块和反事实医疗数据生成模块，数据准备模块用于获取准备好的患者数据，反事实医疗数据生成模块用于生成反事实患者数据，利用生成器和训练好的解码器生成符合真实取值范围的与患者数据结局相反的反事实患者数据和与重建数据，基于结局相同的患者数据和反事实患者数据优化判别器；基于结局相同的患者数据和重建数据的环形一致性差异优化生成器，优化完成后固定生成器的参数生成反事实患者数据。本发明还公开了一种基于环形一致性的反事实数据生成方法。本发明方法能够生成准确可靠且鲁棒性强的反事实患者数据；解决了数据不均衡的问题；生成了符合真实取值范围的数据。
-
公开(公告)号：CN116434969B
公开(公告)日：2023-09-12
申请号：CN202310701410.8
申请日：2023-06-14
Applicant: 之江实验室
Abstract: 本发明公开了一种基于因果结构不变性的多中心慢性病预测装置，包括以下步骤，根据单个中心患者特征数据与其结局，建立每个中心的因果关系，使患者的特征数据在该因果关系下拟合其结局，根据患者的特征数据在该因果关系下的拟合结局对比实际结局的差异性，与不同医疗中心的因果关系之间的差异性共同修正该因果关系，当拟合误差和不同中心因果关系之间的差异达到预设要求时，该因果关系经噪声处理后得到多中心场景下稳定的因果结构；通过因果结构建立更为直观的因果结构图；通过因果结构图构建慢性病结局预测模型。本发明挖掘数据中更深层次的因果逻辑关系，解决了传统方法可解释性不足的问题，为慢性病决策支持提供更加合理的决策建议。
-
公开(公告)号：CN116564535A
公开(公告)日：2023-08-08
申请号：CN202310529197.7
申请日：2023-05-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于隐私保护下局部图信息交换的中心疾病预测方法，本发明通过构建图中间变量，并在差分隐私保护下完成各个医疗机构图中间变量的交换，从而保证了医疗机构在隐私保护场景下利用其他医疗机构的关系图信息完成本地图神经网络模型的训练，进而提升全局图神经网络模型的预测准确性。本发明还提供了基于隐私保护下局部图信息交换的中心疾病预测装置。
-
Patent Agency Ranking
公开(公告)号：CN116525117A
公开(公告)日：2023-08-01
申请号：CN202310809676.4
申请日：2023-07-04
Applicant: 之江实验室
IPC: G16H50/30 , G16H50/50 , G16H10/20 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种面向数据分布漂移检测与自适应的临床风险预测系统，包括：中心服务器和节点；中心服务器包括第一漂移检测模块和模型聚合模块；节点包括数据采集模块、第二漂移检测模块和模型更新模块；数据采集模块用于获取患者临床诊疗数据；第一漂移检测模块和第二漂移检测模块根据新/旧患者临床诊疗数据集是否来源于同一数据分布判定患者临床诊疗数据分布是否发生了漂移；当患者临床诊疗数据分布发生漂移时，训练本地临床风险预测模型，将其参数上传至中心服务器，对各个模型参数进行聚合，得到更新后的临床风险预测模型，并下发至各节点进行部署；将新患者临床诊疗数据输入至更新后的临床风险预测模型，得到临床风险预测结果。
-
-
公开(公告)号：CN114664452A
公开(公告)日：2022-06-24
申请号：CN202210547826.4
申请日：2022-05-20
Applicant: 之江实验室
Abstract: 本发明公开了一种基于因果校验数据生成的全科多疾病预测系统，本发明针对全科场景，从因果性的角度出发，提出了基于全科倾向性得分网络的倾向性得分计算方法；相较于传统生成式对抗网络可解释性差的问题，本发明提出了基于因果校验的生成式对抗网络，使得生成的数据更加符合真实的因果逻辑；针对现有图卷积神经网络仅从相关性角度建模的问题，本发明提出了基于全科因果图卷积神经网络的全科多疾病预测模型，融入因果效应值以提升全科多疾病预测系统对疾病的预测性能，解决了全科场景因训练样本少导致模型表现差以及鲁棒性不高的问题。
-
公开(公告)号：CN111312393B
公开(公告)日：2022-02-22
申请号：CN202010038992.2
申请日：2020-01-14
Applicant: 之江实验室
Abstract: 本发明公开了一种结合主动学习的时序深度生存分析系统，该系统包括数据采集模块、主动学习模块、时序深度生存分析模块；数据采集模块用于获取待分析对象的生存数据；主动学习模块结合主动学习方法选择部分右删失数据标注生存时间；时序深度生存分析模块构建时序深度生存分析神经网络模型，将未删失数据和右删失数据作为模型输入，得到待分析对象的生存时间预测结果。本发明能够充分利用生存数据中的右删失数据及时序特征。较之以往传统的生存分析模型，本发明解决了高维度数据难处理的问题，以及生存分析中仅有少量未删失数据情况下模型表现不佳的问题；同时增加了数据时间维度特征的提取和利用，扩大了模型的应用范围，提高了模型的表现效果。
-
公开(公告)号：CN111640510A
公开(公告)日：2020-09-08
申请号：CN202010273957.9
申请日：2020-04-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于深度半监督多任务学习生存分析的疾病预后预测系统，包括数据获取模块、数据预处理模块和预测模型构建模块等；本发明以深度神经网络模型为基础，将生存分析问题转化为多时序点生存概率预测的半监督学习问题组成的多任务学习模型；模型直接对生存概率建模，不依赖比例风险假设，可以拟合时间依赖效应，具有更好的解释性；提出利用半监督损失函数和排序损失函数对数据进行拟合，充分利用了完全数据和删失数据，可以处理传统的生存分析问题和考虑竞争风险的生存分析问题；模型通过多时序点的多任务学习，实现多个预测任务之间的数据共享，同时实现多个预测任务之间的相互约束，提升模型的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.024 seconds)
