基于因果特征学习的多中心临床预后预测系统

    公开(公告)号:CN117577333A

    公开(公告)日:2024-02-20

    申请号:CN202410067682.1

    申请日:2024-01-17

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于因果特征学习的多中心临床预后预测系统。本发明通过引入互补掩码器,实现因果特征和非因果特征的对抗学习,两者相互促进,同时使用多分支预后预测网络平衡因果特征和非因果特征之间的信息量,从而最大限度减少信息损失,保证下游预后预测任务的信息充分性。本发明通过引入双任务网络,基于分离的因果特征进行多分支预后预测任务,基于分离的非因果特征进行医疗机构识别任务,进一步提升特征分离效果。在预测阶段,医疗机构识别网络根据非因果特征生成概率权重,聚合多分支预后预测网络预测结果,有效利用非因果特征,提高患者数据的信息利用率,保证模型在不同应用环境下的泛化能力的同时保持良好的预测能力。

    一种基于非对称卷积的噪声性听力损失预测系统

    公开(公告)号:CN114861835A

    公开(公告)日:2022-08-05

    申请号:CN202210777572.5

    申请日:2022-07-04

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于非对称卷积的噪声性听力损失预测系统,该系统包括数据采集模块、数据预处理模块、特征提取模块和特征融合与噪声性听力损失预测模块;数据采集模块用于采集工人职业暴露的噪声数据和工人个人信息;数据预处理模块用于对工人个人信息数据进行标准化,并对噪声数据转换为二维噪声时频谱图;特征提取模块用于利用不同形状的卷积核提能量特征与时域变化特征;特征融合与噪声性听力损失预测模块将能量特征与时域变化特征进行融合并降维后,联合工人个人信息输出得到工人是否患有噪声性听力损失的预测结果。本发明使用不对称卷积核对时频谱图进行特征提取,提高噪声性听力损失预测的准确性。

    一种基于深度强化学习的血透患者干体重辅助调节系统

    公开(公告)号:CN114496235B

    公开(公告)日:2022-07-19

    申请号:CN202210404618.9

    申请日:2022-04-18

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于深度强化学习的血透患者干体重辅助调节系统,该系统包括数据采集模块、数据处理模块、策略学习模块和辅助决策模块;本发明利用深度强化学习技术,构建有竞争构架的深度双Q网络(Dueling DDQN网络)作为代理,模拟医生调节血透患者干体重的过程,智能化地学习血透患者干体重调节的策略。本发明将血透患者的干体重调节过程建模为部分观察的马尔科夫过程,为不同的透析时期定义各自的状态空间和动作空间,设计包含长期生存奖励和短期透析副反应惩罚的奖励函数;通过代理与患者状态的交互学习,得到使得总体奖励最大化的干体重调节策略,从而辅助医生进行患者干体重的长程管理。

    一种基于任务分解策略的发热待查辅助鉴别诊断系统

    公开(公告)号:CN113744873B

    公开(公告)日:2022-02-11

    申请号:CN202111311947.0

    申请日:2021-11-08

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于任务分解策略的发热待查辅助鉴别诊断系统,首次全面且系统地构建了发热待查潜在病因类别层次结构,基于类别层次结构实现了针对发热待查潜在病因进行辅助鉴别诊断的层次分类模型,并能够模拟临床医生的推理逻辑,逐层给出鉴别诊断意见,不仅鉴别范围更全面、系统,同时具有更高的鉴别准确度和更好的临床可解释性,由上向下的逐层推理模式也更加符合临床医生的临床实践习惯;本发明所利用的临床数据都是患者就诊早期极易获取的早期临床表现数据,因此在患者早期就诊阶段就能够基于有限信息给出极具临床价值和可信度的鉴别诊断意见;本发明为发热待查潜在病因的鉴别诊断提供了全面、系统、层次化的解决策略。

    一种基于含因果性医学知识图谱的疾病辅助鉴别诊断系统

    公开(公告)号:CN113871003A

    公开(公告)日:2021-12-31

    申请号:CN202111452519.X

    申请日:2021-12-01

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于含因果性医学知识图谱的疾病辅助鉴别诊断系统,本发明设计和构建了非结构化数据提取、映射和校准工具,从电子病历、医学文献、临床指南等多源异构医学知识源中提取与疾病诊疗相关的因果性知识,构建包含病史、症状、体征、实验室检查结果、用药、人口统计学信息等关键诊断信息的含因果性医学知识图谱,并在构建过程中设计相应的知识提取规则,减少含因果性医学知识图谱的噪声,提高疾病鉴别诊断模型的准确度和运行效率。本发明基于含因果性医学知识图谱,提取患者所有的个性化诊断数据,并充分利用患者数据中的阴性检查结果和阴性症状等阴性数据,利用疾病鉴别诊断模型开展显式推理,给出具有明确诊断依据的推理结果。

    一种基于假阴性样本识别的体检辅助决策系统

    公开(公告)号:CN113611411A

    公开(公告)日:2021-11-05

    申请号:CN202111175001.6

    申请日:2021-10-09

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于假阴性样本识别的体检辅助决策系统,该系统包括数据获取模块、数据预处理模块、基础特征分析模块、假阴性样本识别模块、预测模型构建模块和辅助决策模块;本发明通过模拟普遍性的临床诊断流程,分析诊断缺失产生的数据诱因,并对该过程进行建模,更符合临床逻辑,能够更好地对真实世界医疗数据中的假阴性样本进行发现,提高真实世界医疗数据在体检辅助决策模型的构建与临床辅助决策上的应用能力;本发明在建模和临床辅助决策过程中无需使用额外数据,同时将普遍性的临床实际决策过程嵌入到模型的开发逻辑当中,无需针对应用案例引入额外医学知识,具有较强的普适性。

    基于动静态数据结合与深度自编码器的血透风险预测系统

    公开(公告)号:CN113270192A

    公开(公告)日:2021-08-17

    申请号:CN202110418366.0

    申请日:2021-04-19

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于动静态数据结合与深度自编码器的血透风险预测系统,本发明基于深度自编码器,利用患者血透治疗过程中采集的血压、体重等体征数据以及透析方式、膜面积等血透治疗相关数据,建模高维度EHR时序数据之间的关联性,实现血透患者风险预测;结合静态和动态数据构建多输入模型,动态数据部分引入LSTM自编码器网络,并考虑时序数据之间的时间间隔,同时整合静态数据作为额外输入,引入多层神经网络;仅利用生存样本训练模型,在死亡样本较少或不扩增死亡样本的前提下,提升模型预测性能,减少因人为扩增数据对模型训练造成的影响。

    一种用于振动台试验的透明剪切模型箱

    公开(公告)号:CN110132514A

    公开(公告)日:2019-08-16

    申请号:CN201910387607.2

    申请日:2019-05-10

    Applicant: 浙江大学

    Abstract: 本发明公开了一种用于振动台试验的透明剪切模型箱,包括透水底座和层状结构箱体,箱体包括多个依次叠合在透水底座上的开口式剪切环和至少一个反力架,最下层的开口式剪切环和透水底座固定连接,相邻开口式剪切环在受到剪切力时相互间能够产生错位以形成地震剪切模型试验的自由场地边界条件;在多个开口式剪切环叠合形成的侧面开口处,反力架的两侧分别通过卡合结构与前述多个开口式剪切环相卡合,且该卡合结构在允许前述多个开口式剪切环间在平行于反力架的方向上产生错位的同时限制其在垂直于反力架的方向上产生错位;反力架上设置有供探测试验样品的侧面受交变剪切力作用状况的透明视窗。本发明可以更准确地观察及判断样品受剪切力的情况。

    一种基于本体的RESTful API代码自动生成方法

    公开(公告)号:CN108170426A

    公开(公告)日:2018-06-15

    申请号:CN201810036950.8

    申请日:2018-01-15

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于本体的RESTful API代码自动生成方法,借助本体语义技术通过对数据库进行本体建模,用本体语言描述数据库结构关系,并将模型可视化。预先添加HTTP协议中的动词可视化组件,对可视化后的数据库模块组件进行添加、拖拽、连接等操作描述特定RESTful API想要实现的功能。相比其他代码自动生成方法需要手动录入每个表具体结构,采用本体建模方式能更准确地描述数据库底层的关系,生成的树状结构模型结构化、计算机可读,能够很好的应对前端多表联查的复杂需求。底层数据库可视化,以拖拽、连接组件的方式描述Web/Mobile前端数据功能需求更加的清晰明确不易出错,同时大大减少了后端开发人员的工作量,甚至前端开发人员也可以根据自己的需求自定义接口。

Patent Agency Ranking