-
公开(公告)号:CN113692625A
公开(公告)日:2021-11-23
申请号:CN202080028373.3
申请日:2020-04-10
Applicant: 皇家飞利浦有限公司
Inventor: C·库尔卡尼 , M·S·索罗维尔 , B·康罗伊 , C·Y·赵 , D·P·诺伦 , K·斯瓦米纳坦 , 冯婷 , K·塔格瓦勒克斯 , D·C·麦克法兰 , E·高希 , V·库马尔 , V·沙瓦纳 , S·巴洛迪亚 , E·H·施韦格尔 , P·拉古塔姆文卡特
Abstract: 一种用于处理医学信息的方法包括:识别处于第一状态的第一患者;识别处于第二状态的第二患者;计算针对所述第一患者的第一风险得分;计算针对所述第二患者的第一风险得分;并且基于针对所述第一患者的第一风险得分和针对所述第二患者的第一风险得分来确定所述医学设施中的风险易发区。所述第一状态是受感染状态,并且所述第二状态与所述第一状态不同。所述第一患者的第一风险得分提供对所述第一患者的所述受感染状态的严重程度的指示,并且所述第二患者的第一风险得分提供对所述第二患者被所述第一患者感染的指示。
-
公开(公告)号:CN117616510A
公开(公告)日:2024-02-27
申请号:CN202280048050.X
申请日:2022-06-27
Applicant: 皇家飞利浦有限公司
Abstract: 总体而言,在一个方面,提供了一种用于在CPOE中提供自适应建议的过程。所述过程包括:(i)根据历史患者数据来生成规则集;(ii)接收特定于患者的数据;(iii)由包含创建的规则集的所述自适应建议系统的处理器基于所述规则集和所接收的患者数据来确定针对所述CPOE的组成部分的最可能录入;(iv)经由用户接口显示针对所述CPOE的所述组成部分的建议录入。
-
公开(公告)号:CN115803751A
公开(公告)日:2023-03-14
申请号:CN202180049170.7
申请日:2021-07-08
Applicant: 皇家飞利浦有限公司
IPC: G06N3/02
Abstract: 根据一个方面,提供了一种训练模型的方法,用于使用分布式机器学习过程对医学数据执行任务,由此全局模型基于在多个临床站点处对模型的本地副本所执行的训练而被更新。该方法包括:a)向多个临床站点发送(302)信息,以使得多个临床站点中的每个临床站点能够创建模型的本地副本,并且根据在相应的临床站点处的训练数据训练相应的模型的本地副本。然后,该方法包括b)从多个临床站点中的每个临床站点接收(304):i)对模型中的参数的本地更新,该本地更新是通过根据在相应的临床站点处的训练数据训练模型的本地副本而被获得,以及ii)与在相应的临床站点处所执行的训练的质量相关的元数据;以及c)基于所接收的对参数的本地更新和所接收的元数据,更新(306)全局模型中的参数。
-
公开(公告)号:CN118414631A
公开(公告)日:2024-07-30
申请号:CN202280081614.X
申请日:2022-11-17
Applicant: 皇家飞利浦有限公司
Abstract: 一种计算机实现的方法,其用于选择训练数据以供注释方注释,作为主动学习的机器学习过程的部分。所选择的训练数据用于训练模型,以将医学图像作为输入,并输出对所述医学图像的分割。所述方法包括:提供(202)未标记医学图像作为对所述模型的输入,并获得对所述未标记医学图像的分割作为来自所述模型的输出;a)确定(204)所述分割的部分的几何性质是否满足由所述部分表示的放射学特征的几何标准;和/或b)确定所述部分的边缘区域是否满足边缘标准。如果所述部分不满足所述几何标准和/或所述边缘标准,所述方法则包括选择(206)所述未标记医学图像作为要由所述注释方注释的训练数据,作为所述主动学习机器学习过程的部分。
-
公开(公告)号:CN117858656A
公开(公告)日:2024-04-09
申请号:CN202280055019.9
申请日:2022-08-04
Applicant: 皇家飞利浦有限公司
IPC: A61B5/00 , A61B5/01 , A61B5/0205 , A61B5/1455
Abstract: 一种用于使用脓毒症分析系统(200)来预测患者的脓毒症状态的方法(100),包括:(i)接收(120)关于所述患者的人口统计信息;(ii)接收(130)来自患者监测设备的观察数据;(iii)接收(140)由所述患者响应于由所述脓毒症分析系统对所述患者提出的一个或多个查询或命令而提供的一个或多个患者响应,并且其中,所述一个或多个查询或命令被配置为在所述一个或多个患者响应中引出与所述患者的脓毒症状态相关的信息;(iv)通过所述脓毒症分析系统的经训练的患者脓毒症状态模型分析(150)接收到的人口统计信息、接收到的观察数据和所述一个或多个患者响应,以预测所述患者的脓毒症状态;以及(v)经由所述脓毒症分析系统的用户接口报告(170)预测的脓毒症状态。
-
-
-
-