-
公开(公告)号:CN118452821A
公开(公告)日:2024-08-09
申请号:CN202410538216.7
申请日:2024-04-30
申请人: 复旦大学附属儿科医院 , 复旦大学
IPC分类号: A61B5/00 , A61B5/0205 , G16H50/30 , G06F18/25 , G06V40/16 , G06V10/774 , G06V10/82 , G06V40/20 , G06V20/40 , G06N3/0464 , G06N3/08
摘要: 本发明提供一种基于深度学习的儿童疼痛多模态数据融合评估方法,使用了儿童疼痛的面部表情视频、姿态动作视频、哭泣音频和生理指标四种模态对儿童疼痛进行评估。比较了单模态和多模态儿童疼痛评估性能,与单模态相比,使用多模态儿童疼痛数据捕获了疼痛的动态变化,整体性能得到显著的提升。提出的多模态深度学习方法可以作为人工评估的可行替代方案,为临床、护理点测试和家庭的全自动疼痛检测提供一种可行的方法。
-
公开(公告)号:CN111557651B
公开(公告)日:2024-03-12
申请号:CN202010468742.2
申请日:2020-05-28
申请人: 复旦大学附属儿科医院
摘要: 本发明涉及医疗设备技术领域,具体为一种静脉渗出、静脉炎自动识别仪,所述自动识别仪的工作系统包括操作层、在线诊断系统、数据支撑层、可视化界面和本地储存库五个部分,所述操作层输出待诊断数据并连接至在线诊断系统,所述数据支撑层输出云端数据和开源算法并连接至在线诊断系统,所述在线诊断系统输出诊断信息并连接至可视化界面,所述可视化界面输出连接本地储存库和数据支撑层。本发明通过科学、智能化的仪器和标准来完成的静脉渗出、静脉炎标准评估程序,并提供相应的诊疗依据。
-
公开(公告)号:CN115470989A
公开(公告)日:2022-12-13
申请号:CN202211118219.2
申请日:2022-09-14
申请人: 复旦大学附属儿科医院
摘要: 本发明公开了基于机器学习的预测早产儿支气管肺发育不良风险的方法,包括步骤一:选择相关历史病历及数据,通过数据集成、结构化、预处理等进行数据处理;步骤二:在医学逻辑监督下提取医学变量;步骤三:通过机器学习的方法训练出效果最佳的多因素预测模型;步骤四:独立验证集中验证、检定模型的性能及阈值;步骤五:与临床辅助决策系统结合,在相应的应用场景中使用模型,传递给用户。本发明利用医院电子病历信息库,结合机器学习的方法,建立BPD风险预测模型,在院内数据部署软件后,对来院住院的患儿进行实时运算,对早产儿人群中BPD患儿进行提示,供医生进一步进行评估及早期干预,延缓病情进展,改善患者预后。
-
公开(公告)号:CN114188001A
公开(公告)日:2022-03-15
申请号:CN202111393493.6
申请日:2021-11-23
申请人: 复旦大学附属儿科医院
摘要: 本发明提供一种基于5G与区块链技术的新生儿急救转运系统,该系统架构包括硬件支撑层、数据层、接入层、存储层以及业务应用层;本发明的系统借助5G技术的数据传输速度快、延迟时间短等优势,可以显著改善急救的时效性,克服物理距离的巨大障碍,为危重新生儿提供及时诊疗,结合区块链可信安全的数据存证共享技术,构建新生儿急诊救援网络,覆盖危重新生儿院前救治的新模式,减小转诊的无效投入,缩短转诊响应时间,增加转诊救治率,极大提高患儿存活率。
-
公开(公告)号:CN114010045A
公开(公告)日:2022-02-08
申请号:CN202111431199.X
申请日:2021-11-29
申请人: 复旦大学附属儿科医院
摘要: 本发明涉及一种儿童喂食辅助调节系统,包括夹固单元和辅喂单元,所述的夹固单元的上端设置有辅喂单元,本发明采用多调控结构相配合的设计理念进行儿童喂食辅助调节系统使用,设置的夹固单元利用三角板实现与餐桌的多向紧密卡固,设置的辅喂单元采用的多节活动可拆组合形式可便于对不同使用结构进行独立清洗与消毒,进而保持辅喂单元的清洁程度,同时辅喂单元还可根据儿童的年龄或食物的形态实现多重方式的喂食。
-
公开(公告)号:CN112053749A
公开(公告)日:2020-12-08
申请号:CN202010897385.1
申请日:2020-08-31
申请人: 复旦大学附属儿科医院
摘要: 本发明涉及公开了一种基于多来源数据采集和整合的BPD随访信息系统,所述BPD随访信息系统基于医院内电脑网络运行,所述BPD随访信息系统以B/S架构布置于医院内部网络,应用服务器和数据库位于医院内网。该基于多来源数据采集和整合的BPD随访信息系统,它充分运用数据来源整合功能,将医院信息系统内的数据、患儿家庭自行申报的数据和医护需要录入的数据进行整合,形成完成的BPD随访所关注的数据集。有利于医护在随访中全面掌握和BPD疾病发生、发展相关的临床多模态数据,并于集中的程序中展示和运用,从而促进对患儿全周期的照护并较传统的门诊或电话随访的方式大幅度节约人力资源并有效提升可靠性。
-
公开(公告)号:CN118551745A
公开(公告)日:2024-08-27
申请号:CN202410601569.7
申请日:2024-05-15
申请人: 复旦大学 , 复旦大学附属儿科医院
IPC分类号: G06F40/186 , G06Q50/20 , G06F40/284
摘要: 本发明提出了一种基于知识增强的大型语言模型的选择题库自动生成方法。此方法的高效地结合了专业的医学教材内容与自动化技术,确保生成的医学选择题不仅准确、相关,而且具有教育和评估的实际价值。通过智能化的文本处理和关键词提取,以及专业知识库的利用,该系统显著提高了医学教育材料制备的效率和质量,同时为医学生提供个性化和挑战性强的学习材料。
-
公开(公告)号:CN118551254A
公开(公告)日:2024-08-27
申请号:CN202410601359.8
申请日:2024-05-15
申请人: 复旦大学 , 复旦大学附属儿科医院
IPC分类号: G06F18/24 , G06F18/25 , G06V10/764 , G06V10/40 , G06V10/774 , G16H50/20 , G06T5/50 , G06N3/0455 , G06N3/084 , G06N3/0499
摘要: 本发明提供一种基于transformer与图文数据的儿童社区获得性肺炎病原分类方法,包括如下步骤:步骤S1,在儿童CAP患者确诊肺炎后,对所述患者所拍摄的胸部x光片进行至少包括图像质量检测以及前正位/侧位胸片分类的预处理从而得到预处理胸片,对所述患者的临床特征进行至少包括文本质量检测的预处理得到预处理临床特征;步骤S2,将所述的预处理胸片输入至预先训练好的图像特征提取模块得到图像特征,将所述的预处理临床特征输入至预先训练好的文本特征提取模块得到文本特征;步骤S3,对S2得到的文本特征与图像特征进行决策层面的晚期融合从而得到所述患者的所述肺炎病原种类。
-
公开(公告)号:CN118229563A
公开(公告)日:2024-06-21
申请号:CN202410045620.0
申请日:2024-01-12
申请人: 复旦大学附属儿科医院
IPC分类号: G06T5/70 , G06T5/73 , G06T5/60 , G06N3/047 , G06N3/0464 , G06N3/0455 , G06N3/084
摘要: 本发明提供一种基于贝叶斯神经网络的低剂量CT图像质量增强方法,包括如下步骤:步骤S1,使用Mayo Clinic数据集作为训练集。步骤S2,基于贝叶斯卷积层构建用于增强低剂量CT图像质量的贝叶斯神经网络。步骤S3,对训练集进行数据增强后,输入到贝叶斯神经网络中,训练贝叶斯神经网络,直到网络收敛。步骤S4,使用训练完成的贝叶斯神经网络对低剂量CT图像进行计算,生成质量增强的低剂量CT图像。
-
公开(公告)号:CN116245828A
公开(公告)日:2023-06-09
申请号:CN202310089630.X
申请日:2023-02-09
申请人: 复旦大学附属儿科医院
IPC分类号: G06T7/00 , G06F40/295 , G16H30/40 , G16H15/00 , G06N3/0455 , G06N3/048 , G06N3/096
摘要: 本发明提供一种融合医学领域知识的胸部X线质量评价方法,将胸部X线诊断文本报告和质量控制报告文本数据,通过知识抽取和知识融合转换为三元组信息,将其作为与医学影像对应的领域知识指导信息参与模型训练,利用大规模医学影像及其诊断报告、质量控制报告文本标注数据,通过对基于对比文本‑图像对的预训练模型进行微调实现跨域迁移学习,有效克服了训练样本数据量不足的问题,并且利用将X线图像的分块局部视觉特征与多个文本特征进行对齐,以保证视觉特征包含更多的细粒度图像信息,避免全局视觉信息无法反映用于疾病诊断的局部图像质量问题。
-
-
-
-
-
-
-
-
-