-
公开(公告)号：CN116579988A
公开(公告)日：2023-08-11
申请号：CN202310416783.0
申请日：2023-04-18
摘要： 本发明公开一种基于渐进式融合网络的脑卒中病灶分割方法，包括步骤：采用三层U‑Net网络构建多阶段分割网络，该多阶段分割网络分别为第一阶段分割子网络、第二阶段分割子网络、第三阶段分割子网络，将待分割的脑卒中MRI图像通过shuffle操作得到不同分辨率的三级金字塔图像，作为每个阶段输入图像；将各阶段输入图像分别输入到各阶段分割子网络依次进行迭代，迭代过程中对输入图像进行特征提取，最终输出分割图。本发明构建的多阶段分割网络通过设置编码端跨阶段共享特征学习模块和解码端末端的渐进式自适应融合模块，增强各阶段分割子网络之间的关联性，提高多阶段结构提取的特征和分割结果的利用率，从而提高医学图像分割的精度。
-
公开(公告)号：CN116521981A
公开(公告)日：2023-08-01
申请号：CN202310289515.7
申请日：2023-03-22
IPC分类号： G06F16/9535 , G16H20/10 , G06F17/16 , G06F18/22 , G06F18/214
摘要： 本发明提供一种共病状态下临床治疗药物推荐模型构建方法，包括：获取数据集，各数据中包含诊断症状信息、治疗药物信息以及患者信息；分别提取各数据中的诊断症状实体、治疗药物实体及患者实体；将数据集中的各数据划分为训练集和测试集；根据训练集中各数据建立患者‑变量矩阵；采用不同的推荐策略分别对患者‑变量矩阵进行学习，得到实体嵌入矩阵；根据实体嵌入矩阵，构建治疗药物评分模型；将测试集中各数据的症状诊断实体输入治疗药物评分模型，得到对应的治疗药物推荐结果；根据测试集中各数据的治疗药物信息与各治疗药物推荐结果，选择最优推荐策略；根据最优推荐策略确定治疗药物推荐模型。本发明构建了共病状态下的临床治疗药物推荐模型。
-
公开(公告)号：CN116483817A
公开(公告)日：2023-07-25
申请号：CN202310468014.5
申请日：2023-04-25
IPC分类号： G06F16/215 , G16H10/60
摘要： 本发明提供了一种数据填补模型选择、健康评测方法及装置，其中，数据填补模型选择方法包括：获取源数据集，其中，源数据集中包括多组数据，每组数据包括预设类型的数据；对源数据集中每一种类型的数据进行预处理，构造多组不同缺失比例的数据集；将每一组缺失比例的数据集依次输入到多个数据填补模型中，获取数据填补结果；根据数据填补结果，从多个数据填补模型中，选取与每一组缺失比例的数据集对应的目标数据填补模型。本发明可解决如何对具有缺失的数据进行填补，得到真实、可靠、完整的目标数据的技术问题。
-
公开(公告)号：CN116344052A
公开(公告)日：2023-06-27
申请号：CN202310317837.8
申请日：2023-03-28
IPC分类号： G16H50/30 , G16H10/60 , G06F18/213 , G06F18/214
摘要： 本发明提供再入院预测模型训练方法、再入院预测方法、装置及设备，包括：获取历史心衰患者的临床数据；基于临床数据，提取与心衰患者再入院结局相关的特征，得到第一训练集；基于第一训练集，构建因果网络模型，对因果网络模型进行训练，得到最优因果网络结构；基于最优因果网络结构，剔除第一训练集中与心衰患者再入院结局无因果关系的特征，得到第二训练集；基于第二训练集，构建目标再入院预测模型，对目标再入院预测模型进行训练，得到训练好的目标再入院预测模型。通过提取心衰患者临床数据中与再入院临床结局有关的特征，通过再入院临床结局相关特征，可以确定心衰患者发生再入院概率及再入院干预方式，进而实现对心衰患者的及时干预。
-
公开(公告)号：CN116364274A
公开(公告)日：2023-06-30
申请号：CN202310268757.8
申请日：2023-03-16
摘要： 本发明提供了一种基于因果推断和动态集成多标签的疾病预测方法及系统，方法包括：获取患者的多源信息，包括：人口学指标、生活方式、体格检查、主诉症状、既往病史及既往用药信息；建立因果模型分析各特征间的因果关系选出具有因果效应的特征集；利用具有因果效应的特征集训练多个多标签基学习分类器，通过堆叠集成进行更新权重得到表现最优的预测模型；通过不同数量、种类表现最优的预测模型组合方式，动态构建新的多标签集成预测模型选出预测性能最高的组合模型对疾病进行预测。本发明提供的预测方法能反映各特征间的因果关系，避免因相关性而引起的误判提高预测准确性，帮助提高医生的诊断水平和治疗效果，推动医疗行业的数字化和智能化发展。
-
公开(公告)号：CN116313053A
公开(公告)日：2023-06-23
申请号：CN202310266597.3
申请日：2023-03-16
IPC分类号： G16H50/20 , G06N3/047 , G06N3/08 , G06F18/214
摘要： 本发明提供了术后并发症预测模型训练方法及术后并发症预测方法，该并发症预测模型训练方法包括：获取临床数据；基于临床数据，确定预测任务；对临床数据进行预处理，得到训练集；基于预测任务，构建初始术后并发症预测模型；基于训练集，对初始术后并发症预测模型进行多任务学习训练，得到目标术后并发症预测模型。通过本发明，在考虑多种并发症之间可能存在的协同或拮抗作用的基础上，构建一种多任务学习并发症预测模型，通过对并发症预测模型进行训练，使得并发症预测模型可以更为准确且全面地对患者术后可能出现的并发症进行预测，有助于提高患者生命质量。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.03 秒)
