-
公开(公告)号：CN113934824A
公开(公告)日：2022-01-14
申请号：CN202111528572.3
申请日：2021-12-15
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多轮智能问答的相似病历匹配系统及方法，本发明对关键的临床信息及其性质描述设计了全面的问题流程，然后构建多轮智能问答模型，在病历文本中定位临床信息问题答案；在多轮智能问答模型中设计了综合考虑前面若干轮问题答案与当前一轮问题的方法，并且设计了在病历文本中识别答案位置的计算方法，使得多轮智能问答模型考虑的信息更加全面；在多轮智能问答模型中设计了基于医疗领域知识图谱的知识增强方法，进一步保证模型性能；本发明首先计算不同临床信息之间的关系，然后基于它们的关系计算病历文本整体的向量表示，使得病历文本的向量表示中包含了不同临床信息之间的内在联系，从而保证相似病历结果的完整性和准确性。
-
公开(公告)号：CN113688248A
公开(公告)日：2021-11-23
申请号：CN202111247796.7
申请日：2021-10-26
Applicant: 之江实验室
Abstract: 本发明公开了一种小样本弱标注条件下的医疗事件识别方法及系统，本发明构建了医疗事件库，利用远程监督方法实现了在小样本弱标注条件下对医疗要素的自动标注；从多个维度构建医疗要素和事件元学习模型，解决小样本弱标注条件下，医疗事件识别模型泛化性差、标注数据不足的问题；利用医疗要素和事件元学习模型进行负采样，将未标注医疗要素控制在一个较低的范围，降低远程监督方法引起的漏标问题，提升医疗要素识别模型性能；基于医疗事件库和专家知识计算医疗要素重要度，利用医疗要素重要度与医疗要素和事件元学习模型对医疗事件进行分类识别，解决了医疗事件触发词难以定义的问题。
-
公开(公告)号：CN113053468A
公开(公告)日：2021-06-29
申请号：CN202110599266.2
申请日：2021-05-31
Applicant: 之江实验室
IPC: G16C20/50
Abstract: 本发明公开了一种融合患者画像信息的药物新适应症发现方法及系统，本发明在数据驱动的药物重定位方案中引入真实世界患者用药和患者诊断数据，将药物在更广泛的人群中的实际使用效果加入到新的药物‑疾病关系预测模型中；本发明通过构建患者画像作为患者信息的特征表达，并以此构建患者‑患者网络，作为药物和疾病网络中间的媒介，构建符合实际临床过程的异构网络体系；本发明预测结果更加贴近临床，在后续老药新用验证和新的临床试验中成功的可能性更大。
-
公开(公告)号：CN111370127A
公开(公告)日：2020-07-03
申请号：CN202010039000.8
申请日：2020-01-14
Applicant: 之江实验室
Abstract: 本发明公开了一种基于知识图谱的跨科室慢性肾病早期诊断决策支持系统，包括患者信息模型建立模块、患者信息模型库存储模块、知识图谱关联模块、知识图谱推理模块和决策支持反馈模块；本发明通过构建患者信息模型，利用OMOP CDM标准术语体系，将患者电子病历数据建构为概念编码统一、语义结构统一的患者信息模型；发挥语义技术在数据交互性和可扩展性的优势，使得该系统对不同医院的异构数据有较好的适应性和扩展性。同时，基于知识图谱知识推理得出的临床建议，来源均为符合循证医学的临床指南和医师经验，推理流程和建议原因通过构建推理实例可以追溯获取，从而能够在给出临床建议的同时给出推理过程和建议原因，提升医师对决策支持建议的信任度。
-
公开(公告)号：CN110347662A
公开(公告)日：2019-10-18
申请号：CN201910629812.5
申请日：2019-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种基于通用数据模型的多中心医疗数据结构标准化系统，该系统包括源数据库、缓存数据库、目标数据库、数据连接管理模块、数据结构扫描模块、映射构建单元、映射执行单元、增量更新单元和质量控制单元；源数据库为各医疗数据中心执行医疗业务流程的数据库；缓存数据库与目标数据库均部署于各医疗数据中心的专属前置服务器；各医疗数据中心的目标数据库均与云端服务器连接，实现多中心医疗数据之间的协同分析；本发明改进了医疗数据结构映射关系设计流程，有利于信息技术人员与医护人员协作，提高工作效率；本发明提供了增量更新机制，提高了系统运行效率。
-
Patent Agency Ranking
公开(公告)号：CN119888384A
公开(公告)日：2025-04-25
申请号：CN202510380938.9
申请日：2025-03-28
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/25 , G06V10/774 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于混合影像组学模型的卵巢肿瘤交恶性分类系统。一方面，将Med3D网络中的骨干网络作为深度特征提取器构建目标网络，并用多模态3D磁共振影像数据对目标网络进行微调训练得到相应的卵巢肿瘤分类网络，以用于获取深度特征以及肿瘤分类结果。另一方面，提取肿瘤感兴趣区域的组学特征，并得到组学预测模型对应的肿瘤分类结果。此外，将深度特征和组学特征进行融合并通过KNN分类算法得到相应的分类结果。最后，根据以上三个分类结果的加权平均得到最终的卵巢肿瘤交恶性分类结果。本发明通过综合多种模型和算法，实现对卵巢肿瘤患者的多模态MRI影像数据进行更加全面的特征挖掘和分析，从而提高最终的卵巢肿瘤分类效果。
-
公开(公告)号：CN118916842B
公开(公告)日：2025-03-11
申请号：CN202411412220.5
申请日：2024-10-11
Applicant: 之江实验室
Abstract: 本发明公开了基于知识蒸馏的缺失多模态数据动态融合方法、系统及装置，基于分类网络构建多个单模态教师模型，通过每种单个模态数据对分类网络分别训练，得到对应的单模态教师模型；基于门限网络和一系列专家网络构建多模态动态融合网络，门限网络用于决定哪些专家网络被激活，输出一个one‑hot的向量，向量的长度为专家网络的个数，每个专家网络使用的数据是多个模态的子集进行特征融合，通过包含完整模态的数据训练完成后的多模态动态融合网络作为学生模型；利用教师模型对学生模型进行蒸馏训练，将实际获取的多模态数据输入到多模态动态融合网络，得到类别预测结果。本发明能够提高数据的有效利用率并提高多模态模型的预测准确性。
-
公开(公告)号：CN118822851B
公开(公告)日：2025-02-14
申请号：CN202411274993.1
申请日：2024-09-12
Applicant: 之江实验室
IPC: G06T3/4053 , G06T3/4046 , G06T3/4084 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置，该方法首先获取医学影像数据并进行预处理，以构建数据集；然后构建包含高频生成网络，进一步构建结合离散小波变换和扩散模型的超分辨算法，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的超分辨算法的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优超分辨算法模型；最后获取最优的超分辨算法模型，将低分辨率图像输入最优的超分辨算法模型以获取高分辨率图像。本发明包含了一种利用高频生成网络，结合离散小波变换和扩散模型的超分辨算法模型，避免了扩散模型加噪过程破坏高频信息的问题。
-
公开(公告)号：CN118822851A
公开(公告)日：2024-10-22
申请号：CN202411274993.1
申请日：2024-09-12
Applicant: 之江实验室
IPC: G06T3/4053 , G06T3/4046 , G06T3/4084 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置，该方法首先获取医学影像数据并进行预处理，以构建数据集；然后构建包含高频生成网络，进一步构建结合离散小波变换和扩散模型的超分辨算法，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的超分辨算法的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优超分辨算法模型；最后获取最优的超分辨算法模型，将低分辨率图像输入最优的超分辨算法模型以获取高分辨率图像。本发明包含了一种利用高频生成网络，结合离散小波变换和扩散模型的超分辨算法模型，避免了扩散模型加噪过程破坏高频信息的问题。
-
公开(公告)号：CN118471485B
公开(公告)日：2024-10-22
申请号：CN202410933094.1
申请日：2024-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种基于斜率截断功能连接矩阵的疾病预测系统、设备及介质，包括从静息态脑功能磁共振图像提取每个脑区的时间序列；计算每个被试的任意两两脑区之间的第一斜率差值和第二斜率差值，并根据斜率对应的时间点截取时间序列X和Y；计算截取后的时间序列X和Y的皮尔逊相关系数，与基准值比较，选取其中较大值作为功能连接值；基准值为未截取的时间序列X和Y的皮尔逊相关系数；用于以功能连接矩阵为特征进行疾病预测；功能连接矩阵通过计算每个被试的所有两两脑区的功能连接值得到。以该系统计算的功能连接矩阵为特征进行疾病预测，可以大大提高疾病预测的准确率以及预测模型在多中心数据的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.027 seconds)
