医疗数据分类方法、装置、存储介质及电子设备

    公开(公告)号:CN114037018A

    公开(公告)日:2022-02-11

    申请号:CN202111415820.3

    申请日:2021-11-25

    IPC分类号: G06K9/62 G16H10/60

    摘要: 本公开涉及一种医疗数据分类方法、装置、存储介质及电子设备,以针对医疗数据进行智能审核分类,降低人工审核工作量,提高医疗数据的审核分类效率。该方法包括:获取待分类的检验数据,所述检验数据表征医疗检验项目的检验结果;基于预训练的检验数据分类模型确定所述检验数据对应的目标分类结果,其中所述目标分类结果用于表征是否对所述检验数据对应的医疗检验项目进行复查,所述检验数据分类模型包括多个分类器,所述检验数据分类模型用于根据每一所述分类器对应的分类权重,对所述多个分类器针对所述检验数据输出的分类结果进行加权求和,得到所述检验结果数据对应的目标分类结果,所述分类权重与所述分类器的结果误差率负相关。

    裁决书生成方法、装置、存储介质和电子设备

    公开(公告)号:CN118821752A

    公开(公告)日:2024-10-22

    申请号:CN202410897168.0

    申请日:2024-07-04

    摘要: 本公开涉及一种裁决书生成方法、装置、存储介质和电子设备,所述方法包括:获取目标案件的仲裁信息;根据所述仲裁信息确定所述目标案件对应的第一裁决逻辑和第二裁决逻辑;根据所述第一裁决逻辑生成所述裁决书的证据认证部分和裁决结论部分,以及根据所述第二裁决逻辑生成所述裁决书的庭审查明部分和仲裁说理部分;基于所述证据认证部分、裁决结论部分、庭审查明部分和仲裁说理部分生成所述裁决书。本公开通过利用裁决逻辑能够自动生成裁决书。

    一种数据均衡方法、装置、设备及存储介质

    公开(公告)号:CN116861263A

    公开(公告)日:2023-10-10

    申请号:CN202310650762.5

    申请日:2023-06-02

    摘要: 本申请公开了一种数据均衡方法、装置、设备及存储介质,涉及计算机技术领域,该方法包括对数据集中的第一类样本和第二类样本分别进行哈希处理,并映射到第一类哈希桶和第二类哈希桶中,然后再从第一类哈希桶中的第一哈希桶相邻的第二类哈希桶中,确定与第一哈希桶中第一样本匹配的第二样本,在反事实对搜索过程中,从邻近的哈希桶中进行搜索,缩小了搜索范围,也减少了搜索量,提高了搜索效率。接着,基于第一样本和第二样本之间的特征关系,对第二类样本中的第三样本进行处理,得到第四样本,该第四样本的标签与第一类样本的标签一致,进而实现数据均衡,由于搜索过程所需要的时间变短了,进而提高了数据均衡的效率。

    一种医学解释内容生成方法、装置及相关产品

    公开(公告)号:CN117454866A

    公开(公告)日:2024-01-26

    申请号:CN202311483020.4

    申请日:2023-11-08

    摘要: 本申请公开了一种医学解释内容生成方法、装置及相关产品。若医学解释预测内容和医学解释内容标签的余弦相似度小于预设相似度阈值,调整医学提示文本获得调整后的医学解释预测内容,直至调整后的医学解释预测内容和医学解释内容标签的余弦相似度大于或等于预设相似度阈值,将调整后的医学解释预测内容作为医学解释内容并输出;若医学解释预测内容和医学解释内容标签的余弦相似度大于或等于预设相似度阈值,将医学解释预测内容作为医学解释内容并输出。如此,本申请利用具备生成能力的内容生成模型实现了对医学预测概率的解释内容的自动化生成,提高了医学工作者对医学预测概率的使用度,进而还保证了内容生成模型输出预测内容的质量。

    一种医疗图像分类模型的训练方法、分类方法及相关产品

    公开(公告)号:CN117058487A

    公开(公告)日:2023-11-14

    申请号:CN202311153372.3

    申请日:2023-09-07

    摘要: 本申请公开了一种医疗图像分类模型的训练方法、分类方法及相关产品。对模型设计了多个特征提取路径,一方面在其中一个特征提取路径中预测图像的类别以得到类别预测结果,另一方面在其余两个特征提取路径中结合一致性正则化规则对相同图像进行一致性特征比较以获得一致性比较结果,以及结合相似度计算技术对不同图像进行差异化特征比较以获得相似度比较结果,如此通过提取图像的全局与局部特征,来实现图像的细粒度特征提取,使得可以更好地训练模型提取能力。相比于医疗工作人员人工进行图像分类,通过本申请训练得到的医疗图像分类模型能够在图像中捕捉全局高级特征和局部细粒度特征,进而可以提高医疗图像分类的准确性和医疗图像分类的效率。

    一种细胞分割方法以及相关装置
    6.
    发明公开

    公开(公告)号:CN116664598A

    公开(公告)日:2023-08-29

    申请号:CN202310617704.2

    申请日:2023-05-29

    摘要: 本申请公开了一种细胞分割方法以及相关装置,涉及图像处理技术领域,该方法包括获取生物组织图像;对所述生物组织图像进行特征提取,得到组织特征;根据所述组织特征,确定所述组织特征对应的卷积核信息、组织特征中像素的分值信息以及所述像素的检测框;根据各个像素的分值信息,确定各自对应的分值掩码,根据各个像素的检测框,确定各自对应的卷积位置;根据所述分值掩码和所述卷积位置,对所述组织特征进行调制可变形卷积处理,得到聚焦特征;根据所述卷积核信息以及所述聚焦特征,确定对所述生物组织图像中细胞进行分割的分割结果。该方法能够提高处理效率以及分割结果的准确度。

    模型的训练方法、数据处理方法、装置、介质及电子设备

    公开(公告)号:CN115795309A

    公开(公告)日:2023-03-14

    申请号:CN202211538301.0

    申请日:2022-12-01

    IPC分类号: G06F18/214

    摘要: 本公开涉及一种模型的训练方法、数据处理方法、装置、介质及电子设备,以提高模型预测准确性。该方法包括:获取训练样本;将每一训练样本对应的数据分别输入根据初始损失函数训练获得的初始数学模型,得到每一训练样本对应的预测值,并根据标签以及预测值,确定每一训练样本的预测误差;在预测误差的数值分布范围中确定多个取值区间,根据每一取值区间内对应的训练样本的数量,确定每一取值区间的样本分布密度;根据初始损失函数以及样本分布密度,确定目标损失函数,根据多个训练样本以及目标损失函数对初始数学模型进行多次训练,得到目标数学模型,目标损失函数针对任一训练样本计算的损失值与训练样本对应的取值区间的样本分布密度反相关。

    模型训练方法、装置、设备、存储介质及程序产品

    公开(公告)号:CN114093508A

    公开(公告)日:2022-02-25

    申请号:CN202111434180.0

    申请日:2021-11-29

    IPC分类号: G16H50/20 G06N3/00

    摘要: 本申请提供了一种模型训练方法、装置、设备、存储介质及程序产品,该包括获取M组数据对应的N个特征;在N个特征中选择P个第一特征组合;将N个特征中除P个第一特征组合之外的特征组成第一队列;对P个第一特征组合采用BBO算法的特征迁移过程,以替换P个第一特征组合中的特征,得到P个第二特征组合;将P个第一特征组合中的被替换特征加入第一队列中,得到第二队列;根据P个第二特征组合和第二队列,得到最优特征组合,通过最优特征组合对应的数据训练目标模型,从而解决BBO算法在迁移过程中导致的特征趋同,难以收敛的问题,进而解决训练后的模型精度较低的问题。

    时序数据访问方法、装置、存储介质及电子设备

    公开(公告)号:CN113177143A

    公开(公告)日:2021-07-27

    申请号:CN202110349472.8

    申请日:2021-03-31

    摘要: 本公开涉及一种时序数据访问方法、装置、存储介质及电子设备,方法包括:获取待访问时序数据,待访问时序数据包括该待访问时序数据的属性信息,属性信息包括时间属性信息和数据来源属性信息;根据待访问时序数据的时间属性信息以及每一时区存储单元对应的时区标签,确定待访问时序数据对应的目标时区存储单元,根据数据来源属性信息以及目标时区存储单元中每一数据来源存储子单元对应的数据来源标签确定待访问时序数据对应的目标数据来源存储子单元,在目标数据来源存储子单元中对待访问时序数据进行访问操作,通过待访问时序数据的时间属性信息和数据来源属性信息缩小访问操作的区域,如此便提高了访问操作的效率。

    任务流处理方法、装置、存储介质及电子设备

    公开(公告)号:CN113176931A

    公开(公告)日:2021-07-27

    申请号:CN202110343053.3

    申请日:2021-03-30

    IPC分类号: G06F9/48 G06F8/41

    摘要: 本公开涉及一种任务流处理方法、装置、存储介质及电子设备,所述方法包括根据打包编码中各打包函数的先后顺序,执行打包函数,其中,每一打包函数的调用参数为任务流中的至少一个任务的任务标识,所述打包函数用于将作为调用参数的任务标识打包为任务包,所述任务包包括执行序号以及任务标识,所述执行序号是根据所述打包函数的执行顺序确定的;根据所述任务包的执行序号,依次执行每个所述任务包包括的任务标识对应的任务,无需人工编写各个任务之间的具有先后或并行执行关系的执行代码,减小了代码编写的复杂度。