公开(公告)号：CN118430811A

公开(公告)日：2024-08-02

申请号：CN202410610772.0

申请日：2024-05-16

Applicant: 山东大学

Inventor： 刘宁 ,  姜超英 ,  辛玉晶 ,  李倩 ,  刘磊 ,  崔立真

IPC: G16H50/30 ,  G16H50/70 ,  G06F18/213 ,  G06F18/214 ,  G06F17/16 ,  G06N3/042 ,  G06N3/0895 ,  G06N3/09

Abstract: 本发明属于智慧医疗技术领域，提供了一种基于患者诊疗疾病信息的再入院风险预测方法及系统，包括构建患者表征图并进行特征提取，得到患者表征图的表示；对患者表征图的表示进行操作，得到节点采样视图嵌入和边采样视图嵌入，计算二者的对比损失；基于患者表征图的表示、节点采样视图嵌入和边采样视图嵌入构建患者单次入院的表示；将患者单次入院的表示输入再入院预测模型中，得到预测标签，计算预测标签和真实标签的有监督损失；结合对比损失和有监督损失对再入院预测模型的参数进行优化，得到训练好的再入院预测模型；利用训练好的模型进行预测。本发明可以提升数据丰富度，减少数据差异对模型的影响，提高模型泛化性能。

公开(公告)号：CN119323209B

公开(公告)日：2025-04-18

申请号：CN202411844879.8

申请日：2024-12-16

Applicant: 山东大学

Inventor： 刘宁 ,  晏咏和 ,  辛玉晶 ,  袁海涛 ,  刘磊 ,  谭卫星 ,  崔立真

IPC: G06F40/126 ,  G06F18/241 ,  G06F18/25 ,  G06F18/214

Abstract: 本发明属于医疗数据处理技术领域，公开了一种基于多种标签信息融合的自动ICD编码方法及系统，包括对临床文本和ICD标签的描述进行特征提取，获得临床文本表征和标签表征；对二者进行交互融合，获得标签相关的上下文表征，提取标签表征的共现表征，并将其与ICD标签的描述和标签相关的上下文表征进行融合，获得增强标签表征；对增强标签表征与临床文本表征进行交互融合，获取每个标签对应的文档表征，基于文档表征预测ICD编码；定义损失函数，对模型进行训练。本发明融合了来自于上下文，标签原始语义和标签相关关系三个方面的信息，为自动ICD编码提供了更为丰富的输入特征，提升了编码的全面性和准确性，为临床决策和医疗资源分配提供了重要支持。

公开(公告)号：CN118522403A

公开(公告)日：2024-08-20

申请号：CN202410664606.9

申请日：2024-05-27

Applicant: 山东大学

Inventor： 刘宁 ,  唐运森 ,  辛玉晶 ,  袁海涛 ,  刘磊 ,  谭卫星 ,  崔立真

IPC: G16H20/10 ,  G16H70/40 ,  G16H10/60 ,  G06N3/0895 ,  G06N3/047 ,  G16H50/70 ,  G06F18/22 ,  G06F18/10

Abstract: 本发明属于医疗健康和人工智能技术领域，提供了基于对比学习和标签注意力的药物组合推荐方法及系统，本发明采用交叉注意力机制对诊断视图和手术操作视图进行双向交互，并以多视图对比学习目标增强不同视角表征的一致性，从而获得更全面、鲁棒的患者特征表示；本发明引入标签注意力模块构建药物标签与患者历史访问之间的自适应映射，让模型能够从整个病史的角度权衡每种药物的合理性，使解码过程更加个性化；本发明提出的标签注意力机制使药物的表征能够融入患者的历史信息，药物之间的差异性和关联性也能够在注意力权重中得以体现，使得药物表征更加丰富。

公开(公告)号：CN119719869A

公开(公告)日：2025-03-28

申请号：CN202510213166.X

申请日：2025-02-26

Applicant: 山东大学

Inventor： 刘宁 ,  姜超英 ,  辛玉晶 ,  刘磊 ,  崔立真

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/15 ,  G06N3/045 ,  G06N3/084 ,  A61B5/24 ,  A61B5/00

Abstract: 本发明属于数据处理技术领域。提出了一种基于自训练的面向生物医学信号的数据扩增方法及系统，根据任一条预处理后的真实样本以及预训练的扩散模型，得到此条真实样本对应的多个扩增样本；计算该条真实样本与各个扩增样本的相似度，根据相似度选择与该条真实样本最相似的一条唯一扩增样本，计算所有条真实样本对应的扩增样本；根据扩增样本以及基于真实样本初步训练的下游模型，计算扩增样本的伪标签，根据伪标签与真实标签的对比，以标签一致的唯一扩增样本为最终扩增样本。本发明解决了生物医学信号数据量不足、多样性不足以及数据和标签噪声等问题，显著提升了下游模型的性能。

公开(公告)号：CN119323209A

公开(公告)日：2025-01-17

申请号：CN202411844879.8

申请日：2024-12-16

Applicant: 山东大学

Inventor： 刘宁 ,  晏咏和 ,  辛玉晶 ,  袁海涛 ,  刘磊 ,  谭卫星 ,  崔立真

IPC: G06F40/126 ,  G06F18/241 ,  G06F18/25 ,  G06F18/214

Abstract: 本发明属于医疗数据处理技术领域，公开了一种基于多种标签信息融合的自动ICD编码方法及系统，包括对临床文本和ICD标签的描述进行特征提取，获得临床文本表征和标签表征；对二者进行交互融合，获得标签相关的上下文表征，提取标签表征的共现表征，并将其与ICD标签的描述和标签相关的上下文表征进行融合，获得增强标签表征；对增强标签表征与临床文本表征进行交互融合，获取每个标签对应的文档表征，基于文档表征预测ICD编码；定义损失函数，对模型进行训练。本发明融合了来自于上下文，标签原始语义和标签相关关系三个方面的信息，为自动ICD编码提供了更为丰富的输入特征，提升了编码的全面性和准确性，为临床决策和医疗资源分配提供了重要支持。