-
公开(公告)号：CN111882066B
公开(公告)日：2023-11-14
申请号：CN202010719276.0
申请日：2020-07-23
申请人： 浙江大学
摘要： 本发明公开了一种基于深度表征学习的反事实推理设备，包含：基于深度表征学习的反事实推理模型单元和数据输入单元；反事实推理模型单元包括深度表征学习模块、正交损失模块、治疗策略预测模块、治疗策略预测对抗性模块和治疗效果预测模块；数据输入单元向模型单元输入训练数据集对其进行训练；数据输入单元向训练好的模型单元输入待预测的个体状态以得到预测结果。本发明的基于深度表征学习的反事实推理设备，通过治疗策略预测模块、治疗策略预测对抗性模块和正交损失模块的结合，使得表征学习模块中输出的表征ht，hy分别只与治疗策略和治疗效果相关，去掉了其中的混淆性因素，使基于表征hy的治疗效果预测模块能更加准确和科学地预测治疗效果。
-
公开(公告)号：CN113314218B
公开(公告)日：2022-12-23
申请号：CN202110692395.6
申请日：2021-06-22
申请人： 浙江大学
摘要： 本发明公开了一种基于对比的包含竞争风险的动态生存分析设备，包括：数据输入单元、数据增强单元、表征提取单元、轨迹生成单元、轨迹鉴别单元、对比学习单元和生存分析预测单元；数据增强单元包括患者轨迹随机打乱模块和患者轨迹随机遮罩模块；对比学习单元包括基于患者真实轨迹表征与随机打乱轨迹表征的对比模块和基于患者真实轨迹表征与轨迹生成后表征的对比模块；表征提取单元提取患者纵向轨迹数据的表征输入生存分析预测单元得到所预测的临床目标的存活结果。本发明的基于对比的包含竞争风险的动态生存分析设备利用了患者纵向的轨迹数据，减小存在多种竞争风险时对生存预测的影响，引入对比学习来更好的提取患者轨迹数据中的一般性信息。
-
公开(公告)号：CN109493933B
公开(公告)日：2022-04-05
申请号：CN201811406596.X
申请日：2018-11-23
申请人： 浙江大学
IPC分类号： G16H10/60 , G16H50/20 , G06K9/62 , G06V10/774 , G06N3/04
摘要： 本发明公开了一种基于注意力机制的急性冠脉综合征不良心血管事件的预测方法，包括：(1)构建训练样本；(2)以双向长短时效记忆网络为基础，并根据患者静态特征‑动态特征关系，引入注意力机制对训练样本进行权重计算，构建预训练模型；(3)以训练样本和训练样本对应的真值标签，对预训练模型进行训练，得到不良心血管事件预测模型；(4)利用预测模型预测待测样本发生不良心血管事件的概率。本发明提供的预测方法可对急性冠脉综合征患者的缺血事件和出血事件发生概率进行预测，从而辅助医生制定合理的诊疗措施，支持临床决策，降低医疗开支。
-
公开(公告)号：CN118333107A
公开(公告)日：2024-07-12
申请号：CN202410772052.4
申请日：2024-06-16
申请人： 浙江大学
IPC分类号： G06N3/0455 , G06N3/0895 , G06N3/0475 , G06N3/094 , G16H80/00 , G06N3/0985
摘要： 本发明公开了一种基于扩散模型的PPG生成ECG跨模态生成方法，包含：获取ECG、PPG配对数据集；使用时序数据转图像数据的方法将ECG和PPG数据转化为图像数据；构建深度学习模型；对深度模型进行第一阶段训练，训练VQGAN模型和CLIP模型，以及第二阶段训练，训练扩散模型；定义总损失函数；使用超参数搜索，在训练集上采用不同的超参数组合进行训练，并在验证集上验证其性能，挑选出最佳超参数组合，在测试集上测试采取最佳超参数训练的深度学习模型。本发明的基于扩散模型的PPG生成ECG跨模态生成方法，能够有效地从PPG信号生成高质量的ECG信号，提升了信号生成的准确性和可靠性。
-
公开(公告)号：CN110957036B
公开(公告)日：2023-07-14
申请号：CN201911017727.X
申请日：2019-10-24
申请人： 中国人民解放军总医院 , 浙江大学
摘要： 本发明提供了一种基于因果推理构建的疾病预后风险评估模型的方法及基于因果推理的疾病预后风险评估系统。基于因果推理，利用全连接神经网络来预测癌症或心脑血管疾病患者一年内再入院的概率，评估不同治疗方案的效果，从而辅助医生制定合理的诊疗措施，支持临床决策，降低医疗开支。
-
公开(公告)号：CN115937609A
公开(公告)日：2023-04-07
申请号：CN202211744277.6
申请日：2022-10-31
申请人： 浙江大学
IPC分类号： G06V10/764 , G06V10/762 , G06V10/80 , G06V10/40 , G06V10/26 , G06V10/10 , G06V10/82 , G06N3/048 , G06N3/08 , G06N3/0464
摘要： 本发明公开了一种基于局部和全局信息的角膜病图像检测分类方法及装置，该方法包含：对图像进行分割获得超像素病灶区域集合；提取局部特征与全局特征；获得结合局部、全局信息的超像素病灶区域特征表示；利用结合了局部特征的全局主体特征进行分类训练，对角膜病裂隙灯图像做出预测；对超像素病灶区域进行无监督聚类与类别表示，并对角膜病裂隙灯图像中的异常病灶区域进行可视化展示。本发明的基于局部和全局信息的角膜病图像检测分类方法及装置，可以有效的抽取裂隙灯图像的全局特征与病灶区域局部特征，并进行异常区域的特征融合，实现图像的分类及异常区域显示。
-
公开(公告)号：CN112329921A
公开(公告)日：2021-02-05
申请号：CN202011253328.6
申请日：2020-11-11
申请人： 浙江大学
摘要： 本发明公开了一种基于深度表征学习和强化学习的利尿剂剂量推理设备，包含：利尿剂剂量推理单元和数据输入单元；利尿剂剂量推理单元包括：利尿剂剂量推荐模块；环境仿真模块；奖赏模块；对抗模块；数据输入单元用于向利尿剂剂量推理单元输入训练数据集对利尿剂剂量推理单元进行训练及向训练好的利尿剂剂量推理单元输入待预测的个体状态以得到预测结果。本发明的基于深度表征学习和强化学习的利尿剂剂量推理设备，利尿剂剂量推理模块、环境仿真模块、奖赏模块和对抗模块相结合，充分利用和医生不一致但相似的干预措施，且能够充分考虑到治疗进程中的动态时序性，利用鉴别器来解决推荐中反事实缺失的问题，提高推荐的性能，保证推荐的合理性。
-
公开(公告)号：CN111882066A
公开(公告)日：2020-11-03
申请号：CN202010719276.0
申请日：2020-07-23
申请人： 浙江大学
摘要： 本发明公开了一种基于深度表征学习的反事实推理设备，包含：基于深度表征学习的反事实推理模型单元和数据输入单元；反事实推理模型单元包括深度表征学习模块、正交损失模块、治疗策略预测模块、治疗策略预测对抗性模块和治疗效果预测模块；数据输入单元向模型单元输入训练数据集对其进行训练；数据输入单元向训练好的模型单元输入待预测的个体状态以得到预测结果。本发明的基于深度表征学习的反事实推理设备，通过治疗策略预测模块、治疗策略预测对抗性模块和正交损失模块的结合，使得表征学习模块中输出的表征ht，hy分别只与治疗策略和治疗效果相关，去掉了其中的混淆性因素，使基于表征hy的治疗效果预测模块能更加准确和科学地预测治疗效果。
-
公开(公告)号：CN101022338A
公开(公告)日：2007-08-22
申请号：CN200710067569.X
申请日：2007-03-14
申请人： 浙江大学
摘要： 本发明公开了一种具有电子签名的标准多媒体电子病历文档编辑管理系统，由支持电子签名的标准多媒体电子病历文档编辑器、电子病历Web Service应用服务、电子病历文档库组成。标准多媒体电子病历文档编辑器包括多媒体文档编辑组件、支持标准术语的结构化数据录入组件和电子签名应用组件。本发明通过添加电子签名应用组件，实现了对电子病历文档进行电子签名，满足临床部分签名、多人签名等应用场景需求，保证了电子病历文档的真实性、完整性和不可抵赖性。
-
公开(公告)号：CN118468097A
公开(公告)日：2024-08-09
申请号：CN202410443871.4
申请日：2024-04-14
申请人： 浙江大学
IPC分类号： G06F18/241 , A61B5/318 , A61B5/00 , G06F18/213 , G06N3/0455 , G06N3/08
摘要： 本发明公开了一种多模态心电信号分析系统，包含：心电令牌模块，用于基于心电信号生成心电令牌；心电分类模块，用于提取心电信号的基本属性；简单提示器模块，用于根据心电令牌模块和心电分类模块的输出、用户的问题和以及标准模板生成最终输入；大模型模块，用于接收简单提示器模块生成的最终输入，并通过预训练的问答大模型输出最终答复。本发明的多模态心电信号分析系统，通过将心电信号转换为连续的心电令牌而非简单的文本描述，并训练大模型直接解释这些心电令牌，充分利用大模型的推理能力，进行心电图精准判读。
-
-
-
-
-
-
-
-
-
搜索结果
38 条记录 (耗时 0.022 秒)
