一种用于疾病风险预测的调查问卷质量评价方法及系统

    公开(公告)号:CN114743619B

    公开(公告)日:2024-03-29

    申请号:CN202210415038.X

    申请日:2022-04-20

    摘要: 本发明属于计算机辅助医疗技术领域,具体涉及一种用于疾病风险预测的调查问卷质量评价方法及系统,包括:确定调查问卷中所述疾病的影响因素;获取多个疾病阳性样本和多个疾病阴性样本,对于所述疾病的每个影响因素,分别计算信息增益,得到每个影响因素的权重;获取多个调查问卷样本,所述调查问卷样本中包括真实样本和不真实样本,针对调查问卷中的每个影响因素,分别训练可信度评价网络;获取待评价调查问卷,对其中的每个影响因素,分别根据填写结果,采用相应可信度评价网络得到各个影响因素的可信度,然后基于相应影响因素的权重,得到所述待评价调查问卷的整体可信度。本发明对调查问卷分主题进行真实性评价,提高了评价结果的可信度。

    一种内镜下辅助识别粘膜下血管的方法及系统

    公开(公告)号:CN112842285B

    公开(公告)日:2021-09-24

    申请号:CN202011639891.7

    申请日:2020-12-31

    IPC分类号: A61B5/02 A61B5/0295

    摘要: 本发明提供一种内镜下辅助识别粘膜下血管的方法及系统,属于血管识别技术领域,对实时采集的待检测部位的时序图像进行预处理,将时序图像的像素值转化为零均值和单位方差;基于成像式光电容积描记技术,从预处理后的时序图像中,提取血液容积波,并确定对应的血液容积波动频率;基于成像式光电容积描记技术,从预处理后的时序图像中,提取各像素点的像素变化值,并确定对应的像素点的像素波动频率;根据血液容积波、血液容积波动频率、像素变化值以及像素波动频率,确定粘膜下血管覆盖区域。本发明能够在内窥镜操作过程中,在不借助额外设备且不延长操作时间的前提下,实时准确提取消化道血流信息,准确识别粘膜下血管,保证了手术安全。

    基于云平台的消化道病灶辅助识别与正反馈系统

    公开(公告)号:CN111179252A

    公开(公告)日:2020-05-19

    申请号:CN201911396391.2

    申请日:2019-12-30

    IPC分类号: G06T7/00 G06N5/04

    摘要: 本发明公开了一种基于云平台的消化道病灶辅助识别与正反馈系统,包括:数据采集装置,被配置为采集待识别的消化道图像,并传送至云平台;云平台,被配置为建立推断模型,构建训练集对所述推断模型进行优化训练;利用所述推断模型对接收到的图像进行消化道位置和病灶类型推断,并对所述图像和消化道病灶识别结果分别进行保存;在线纠错模块,被配置为医生客户端在线查看推断结果,并对推断错误的结果进行标注和纠错;在线优化模块,被配置为将纠错后的图像加入训练集,重新对推断模型进行训练。本发明能够提高消化内道病灶识别的准确性,提高消化系统疾病的检出率。

    基于深度学习的溃疡性结肠炎严重程度评估方法及系统

    公开(公告)号:CN110993099A

    公开(公告)日:2020-04-10

    申请号:CN201911312322.9

    申请日:2019-12-18

    IPC分类号: G16H50/20 G16H30/20 G06T7/00

    摘要: 本发明提供了基于深度学习的溃疡性结肠炎严重程度评估方法及系统。其中,该方法包括对白光结肠镜图像进行标注Mayo内镜下评分和溃疡性结肠炎内镜下活动指数评分,形成样本集;构建溃疡性结肠炎严重程度评估模型,利用样本集内已标注的白光结肠镜图像样本进行训练;溃疡性结肠炎严重程度评估模型为具有特征金字塔池化的SPPNet网络,输出包含4个softmax函数;实时接收白光结肠镜图像,利用溃疡性结肠炎严重程度评估模型输出Mayo内镜下评分、血管分型、自发出血和糜烂溃疡特征的评分预测结果,再将血管分型、自发出血和糜烂溃疡特征的评分预测结果累加,得到溃疡性结肠炎内镜下活动指数评分。其能够自动对炎症评分,同时满足两种临床最常用UC严重程度评分需要,结果准确性高且可重复性好。

    一种下消化道内窥镜图像识别方法及系统

    公开(公告)号:CN110991561A

    公开(公告)日:2020-04-10

    申请号:CN201911327593.1

    申请日:2019-12-20

    IPC分类号: G06K9/62

    摘要: 本公开提供了下消化道内窥镜图像识别方法及系统。其中该方法包括获取下消化道部位图像并标注出待识别类别和识别干扰图像的辅助类别,划分成训练集和测试集;利用训练集和测试集训练和测试下消化道部位识别模型A和下消化道部位识别模型B;在进镜操作过程中,若下消化道部位识别模型A识别出当前下消化道内镜图像的类型为一级类别中的盲肠,且存在连续N张非相似图像均为盲肠的概率超过预设阈值,则开始退镜操作;N为大于或等于3的正整数;在退镜操作过程中,基于下消化道部位识别模型A和下消化道部位识别模型B对消化道内镜图像进行实时检测,排除属于辅助类别的图像,输出图像所属的一级类别和二级类别。