-
公开(公告)号：CN116434969B
公开(公告)日：2023-09-12
申请号：CN202310701410.8
申请日：2023-06-14
Applicant: 之江实验室
Abstract: 本发明公开了一种基于因果结构不变性的多中心慢性病预测装置，包括以下步骤，根据单个中心患者特征数据与其结局，建立每个中心的因果关系，使患者的特征数据在该因果关系下拟合其结局，根据患者的特征数据在该因果关系下的拟合结局对比实际结局的差异性，与不同医疗中心的因果关系之间的差异性共同修正该因果关系，当拟合误差和不同中心因果关系之间的差异达到预设要求时，该因果关系经噪声处理后得到多中心场景下稳定的因果结构；通过因果结构建立更为直观的因果结构图；通过因果结构图构建慢性病结局预测模型。本发明挖掘数据中更深层次的因果逻辑关系，解决了传统方法可解释性不足的问题，为慢性病决策支持提供更加合理的决策建议。
-
Patent Agency Ranking
公开(公告)号：CN116936108A
公开(公告)日：2023-10-24
申请号：CN202311209085.X
申请日：2023-09-19
Applicant: 之江实验室
IPC: G16H50/30 , G06F16/36 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种面向不平衡数据的疾病预测系统，包括知识图谱构建及关系权重向量计算模块，用于构建医用知识图谱，利用医用知识图谱计算每个概念的关系权重向量；图数据表示模块，用于获取医疗图数据并学习医疗图数据的嵌入表示；图数据增广模块，用于利用GAN模型对医疗图数据中的不平衡数据进行增广，使数据保持平衡；图神经网络训练模块，用于利用增广后的医疗图数据训练第二图神经网络模型；疾病预测模块，用于将患者的图数据输入训练好的第二图神经网络模型中进行疾病预测。本发明利用知识图谱中丰富的关系信息提高生成边的质量；结合对抗生成网络模型，能够生成更真实的图数据样本，提升系统疾病预测效果。
-
公开(公告)号：CN116168789B
公开(公告)日：2023-07-18
申请号：CN202310456988.1
申请日：2023-04-26
Applicant: 之江实验室
IPC: G16H10/00 , G06F21/60 , G06F21/62 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种多中心医疗数据生成系统，包括医疗数据量权重计算模块、多中心对抗生成网络训练模块和多中心医疗数据生成模块，在各家医疗机构不公开真实数据量的情况下计算各家医疗机构的医疗数据量权重；采用生成器和判别器分离的架构，在计算服务器中构造并训练生成器，在各个医疗机构构造并训练判别器，各家医疗机构仅将带权重的生成器损失发送给计算服务器；计算服务器聚合带权重的生成器损失，更新生成器；利用训练完成的生成器生成多中心合成医疗数据，提供给用户使用。本发明还提供了一种多中心医疗数据生成方法。本发明可以更好的保护患者隐私和数据安全，能够得到更符合真实的多中心医疗数据分布的合成医疗数据。
-
公开(公告)号：CN116434969A
公开(公告)日：2023-07-14
申请号：CN202310701410.8
申请日：2023-06-14
Applicant: 之江实验室
Abstract: 本发明公开了一种基于因果结构不变性的多中心慢性病预测装置，包括以下步骤，根据单个中心患者特征数据与其结局，建立每个中心的因果关系，使患者的特征数据在该因果关系下拟合其结局，根据患者的特征数据在该因果关系下的拟合结局对比实际结局的差异性，与不同医疗中心的因果关系之间的差异性共同修正该因果关系，当拟合误差和不同中心因果关系之间的差异达到预设要求时，该因果关系经噪声处理后得到多中心场景下稳定的因果结构；通过因果结构建立更为直观的因果结构图；通过因果结构图构建慢性病结局预测模型。本发明挖掘数据中更深层次的因果逻辑关系，解决了传统方法可解释性不足的问题，为慢性病决策支持提供更加合理的决策建议。
-
公开(公告)号：CN116936108B
公开(公告)日：2024-01-02
申请号：CN202311209085.X
申请日：2023-09-19
Applicant: 之江实验室
IPC: G16H50/30 , G06F16/36 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种面向不平衡数据的疾病预测系统，包括知识图谱构建及关系权重向量计算模块，用于构建医用知识图谱，利用医用知识图谱计算每个概念的关系权重向量；图数据表示模块，用于获取医疗图数据并学习医疗图数据的嵌入表示；图数据增广模块，用于利用GAN模型对医疗图数据中的不平衡数据进行增广，使数据保持平衡；图神经网络训练模块，用于利用增广后的医疗图数据训练第二图神经网络模型；疾病预测模块，用于将患者的图数据输入训练好的第二图神经网络模型中进行疾病预测。本发明利用知识图谱中丰富的关系信息提高生成边的质量；结合对抗生成网络模型，能够生成更真实的图数据
-
公开(公告)号：CN116168789A
公开(公告)日：2023-05-26
申请号：CN202310456988.1
申请日：2023-04-26
Applicant: 之江实验室
IPC: G16H10/00 , G06F21/60 , G06F21/62 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种多中心医疗数据生成系统，包括医疗数据量权重计算模块、多中心对抗生成网络训练模块和多中心医疗数据生成模块，在各家医疗机构不公开真实数据量的情况下计算各家医疗机构的医疗数据量权重；采用生成器和判别器分离的架构，在计算服务器中构造并训练生成器，在各个医疗机构构造并训练判别器，各家医疗机构仅将带权重的生成器损失发送给计算服务器；计算服务器聚合带权重的生成器损失，更新生成器；利用训练完成的生成器生成多中心合成医疗数据，提供给用户使用。本发明还提供了一种多中心医疗数据生成方法。本发明可以更好的保护患者隐私和数据安全，能够得到更符合真实的多中心医疗数据分布的合成医疗数据。
-
-
-
-
-
Search Results
6
records
(took 0.068 seconds)
