-
公开(公告)号：CN119445261B
公开(公告)日：2025-05-06
申请号：CN202510038224.X
申请日：2025-01-10
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本申请涉及医疗数据处理技术领域，其具体地公开了一种基于人工智能的智慧医疗数据处理系统及方法，其采用基于深度学习的图像处理技术对慢性病患者复查的CT扫描影像进行多层次特征提取，挖掘出CT扫描影像中支气管扩张区域的纹理特征和结构特征，并通过对支气管扩张状态的纹理特征和结构特征进行基于核心关联特征的细粒度语义交互融合，以实现对支气管扩张状态的全面理解，进而智能识别出支气管扩张的支扩类型。这样，可以有效提高支气管扩张类型的识别精度，从而为医生提供更为准确的诊断依据。
-
公开(公告)号：CN111242098A
公开(公告)日：2020-06-05
申请号：CN202010125945.1
申请日：2020-02-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种结合特征提取和inception网络的心电数据分类方法及系统，包括：步骤1，对滤波后的心电图数据进行归一化处理；步骤2，将步骤1获得的处理后的心电图数据进行分割；步骤3，对步骤2获得的若干心跳片段进行特征提取；步骤4，构建适用于心电数据的inception网络；步骤5，计算获得整个心电图数据上的相对小波能量、小波能量，以及全部心跳片段的小波能量和心跳间隔时间的绝对平均偏差；步骤6，将整合后的特征作为预构建的多层感知机的输入，训练所述多层感知机至预设收敛条件，获得最终的分类模型。本发明中，模型既提取非常有价值的专家特征，又考虑到心电数据的深层次特征，能够达到增强模型健壮性和分类能力的目的。
-
公开(公告)号：CN109920501A
公开(公告)日：2019-06-21
申请号：CN201910068242.7
申请日：2019-01-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于卷积神经网络和主动学习的电子病历分类方法及系统，包括：获取样本集合中每个电子病历对应的实体向量；获取标注数据集和未标注数据集；用标注数据集对应的实体向量对预设卷积神经网络模型进行训练，获得训练后的卷积神经网络模型；用获得的卷积神经网络模型预测未标注数据集中电子病历数据的分类概率，选择符合预设条件的电子病历补入标注数据集；用补入标注数据集的电子病历对应的实体向量，继续对训练后的卷积神经网络模型进行训练；重复训练后获得训练好的卷积神经网络模型；通过训练好的模型实现电子病历分类。本发明通过融合卷积神经网络和主动学习，可以在较小的样本下实现更加准确的分类效果。
-
公开(公告)号：CN111242098B
公开(公告)日：2022-04-22
申请号：CN202010125945.1
申请日：2020-02-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种结合特征提取和inception网络的心电数据分类方法及系统，包括：步骤1，对滤波后的心电图数据进行归一化处理；步骤2，将步骤1获得的处理后的心电图数据进行分割；步骤3，对步骤2获得的若干心跳片段进行特征提取；步骤4，构建适用于心电数据的inception网络；步骤5，计算获得整个心电图数据上的相对小波能量、小波能量，以及全部心跳片段的小波能量和心跳间隔时间的绝对平均偏差；步骤6，将整合后的特征作为预构建的多层感知机的输入，训练所述多层感知机至预设收敛条件，获得最终的分类模型。本发明中，模型既提取非常有价值的专家特征，又考虑到心电数据的深层次特征，能够达到增强模型健壮性和分类能力的目的。
-
公开(公告)号：CN109948646A
公开(公告)日：2019-06-28
申请号：CN201910067744.8
申请日：2019-01-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种时序数据相似度度量方法及度量系统，包括以下步骤：首先，对于所有时序数据中的事件，学习各个事件的向量表示；其次，将各个事件发生的时间映射成与事件向量等维的向量，通过向量加法嵌入到事件向量中；最后，将最终的事件序列表示送入卷积神经网络进行有监督的学习，最终学得一个鲁棒的时序数据相似度度量模型；通过得到的相似度度量模型进行相似度度量。本发明对时序序列数据表示更加合理有效，从而可提升时序数据相似度度量的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119445261A
公开(公告)日：2025-02-14
申请号：CN202510038224.X
申请日：2025-01-10
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本申请涉及医疗数据处理技术领域，其具体地公开了一种基于人工智能的智慧医疗数据处理系统及方法，其采用基于深度学习的图像处理技术对慢性病患者复查的CT扫描影像进行多层次特征提取，挖掘出CT扫描影像中支气管扩张区域的纹理特征和结构特征，并通过对支气管扩张状态的纹理特征和结构特征进行基于核心关联特征的细粒度语义交互融合，以实现对支气管扩张状态的全面理解，进而智能识别出支气管扩张的支扩类型。这样，可以有效提高支气管扩张类型的识别精度，从而为医生提供更为准确的诊断依据。
-
公开(公告)号：CN111382930B
公开(公告)日：2022-08-16
申请号：CN202010125879.8
申请日：2020-02-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向时序数据的风险预测方法及系统，包括：获取样本集合中每个风险事件的时间信息和内容信息；将事件信息通过词嵌入技术转换为等维度高维向量；用风险事件向量对预设的预测模型进行训练，获得训练后的风险预测网络模型；用获得的风险预测网络模型处理待预测的风险事件，输出风险事件的风险水平和影响水平的因素所占比重。本发明通过注意力机制和深度网络，可以在保证模型高精确度的前提下，并行训练网络而且可对预测结果进行分析，可解释性强，具有说服力。
-
公开(公告)号：CN109920501B
公开(公告)日：2021-04-20
申请号：CN201910068242.7
申请日：2019-01-24
Applicant: 西安交通大学
IPC: G16H10/60 , G06F16/35 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络和主动学习的电子病历分类方法及系统，包括：获取样本集合中每个电子病历对应的实体向量；获取标注数据集和未标注数据集；用标注数据集对应的实体向量对预设卷积神经网络模型进行训练，获得训练后的卷积神经网络模型；用获得的卷积神经网络模型预测未标注数据集中电子病历数据的分类概率，选择符合预设条件的电子病历补入标注数据集；用补入标注数据集的电子病历对应的实体向量，继续对训练后的卷积神经网络模型进行训练；重复训练后获得训练好的卷积神经网络模型；通过训练好的模型实现电子病历分类。本发明通过融合卷积神经网络和主动学习，可以在较小的样本下实现更加准确的分类效果。
-
公开(公告)号：CN111382930A
公开(公告)日：2020-07-07
申请号：CN202010125879.8
申请日：2020-02-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向时序数据的风险预测方法及系统，包括：获取样本集合中每个风险事件的时间信息和内容信息；将事件信息通过词嵌入技术转换为等维度高维向量；用风险事件向量对预设的预测模型进行训练，获得训练后的风险预测网络模型；用获得的风险预测网络模型处理待预测的风险事件，输出风险事件的风险水平和影响水平的因素所占比重。本发明通过注意力机制和深度网络，可以在保证模型高精确度的前提下，并行训练网络而且可对预测结果进行分析，可解释性强，具有说服力。
-
公开(公告)号：CN220930795U
公开(公告)日：2024-05-10
申请号：CN202322738693.1
申请日：2023-10-12
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本实用新型公开了一种机房警报装置的安装结构，涉及安装结构技术领域，包括连接底座和放置组件，用于方便放置物品的所述放置组件固接在连接底座一侧，所述放置组件包括连接块、放置底座、转动杆、卡块、第一固定块和橡胶块，所述连接块上方通过阻尼转轴转动连接有放置底座，所述连接底座一侧外壁固接有转动杆。该机房警报装置的安装结构，以解决现有的机房警报装置安装结构大多数是直接将机房警报装置通过螺丝打孔的方式安装在墙体上的问题，通过在墙体上安装连接底座和放置组件，可以将报警装置放置在上面对其进行固定，以保护报警装置在安装时不受损伤，同时在不使用时，还可以通过转动放置底座对其进行收纳。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
