-
公开(公告)号：CN118315047A
公开(公告)日：2024-07-09
申请号：CN202410552514.1
申请日：2024-05-07
Applicant: 首都医科大学附属北京天坛医院 , 北京理工大学
Abstract: 本申请提供了一种基于多模态信息的疾病预测方法、装置及可读存储介质，获取待诊断患者的3D医学影像、医学影像报告以及患者基本信息；分别对3D医学影像、医学影像报告以及患者基本信息进行多流编码，得到3D医学影像的影像映射向量、医学影像报告的文本映射向量以及患者基本信息的信息映射向量；融合文本映射向量、信息映射向量以及影像映射向量，确定待诊断患者的多模态信息向量；将多模态信息向量输入至疾病诊断框架的分类预测层，确定待诊断患者的疾病诊断结果。这样，能够利用融合了3D医学影像、医学影像报告以及患者基本信息的多模态信息向量，实现待诊断患者的疾病诊断结果的准确预测，使得预测结果不再局限于某种特定疾病类型。
-
公开(公告)号：CN113012808B
公开(公告)日：2022-11-01
申请号：CN202110405487.1
申请日：2021-04-15
Applicant: 北京理工大学
Abstract: 本发明涉及一种健康预测方法，属于人工智能数据挖掘技术领域。包括以下步骤：S1获取原始医疗时序特征矩阵X；S2使用特征交互表示方法对xt重新表达为使其包含特征交互信息；S3使用综合信息提取方法提取时序数据序列的综合信息S4使用分类方法对所述进行分类以实现健康预测。本发明能够充分利用医学特征的交互信息，包括功能级交互和时间级交互，从而对医疗时序数据内在相关信息进行更为有效的挖掘，进而实现对用户健康进行更为有效的预测。功能级交互能够有效地描绘出不同的异常模式，从而更好的区分患者不同的健康状态。时间级交互可以更有效的学习患者动态变化的健康状况。通过双向嵌入能够为数字型医学特征生成信息含量更加丰富的嵌入向量表达。
-
公开(公告)号：CN113627318A
公开(公告)日：2021-11-09
申请号：CN202110904049.X
申请日：2021-08-06
Applicant: 北京理工大学
IPC: G06K9/00
Abstract: 本发明涉及一种表格结构识别方法，属于模式识别技术领域。包括两个过程：初始行列生成阶段和行列生成阶段。在初始行列生成阶段，通过启发式的算法将有重叠区域的单元格组织成初始行与初始列；由于没有重叠关系的单元格也可能存在同行/列关系，因此在行列生成阶段，利用图神经网络来主要预测没有重叠区域的单元格之间的行列关系，作为遗漏关系的补充；为了降低预测的计算复杂度，单元格之间的关系实际上通过预测单元格与初始行/初始列之间的关系得到。对比现有技术，本发明减少了模型需要判断关系的单元格数，并基于初始行与初始列给后续图模型的构建以及特征提取提供了先验知识；最后能够生成表格的行与列，其能完全还原表格的结构。
-
公开(公告)号：CN113191441A
公开(公告)日：2021-07-30
申请号：CN202110521389.4
申请日：2021-05-13
Applicant: 北京理工大学
Abstract: 本发明涉及一种结构化数据的自适应关系建模方法，属于人工智能预测技术领域。使用K×o个指数神经元建模结构化数据属性间的特征交互关系，K为注意头的个数，o为每个注意头的指数神经元数目；每个注意头的所有指数神经元共享双线性注意函数权重矩阵Watt；每个注意头的第i个指数神经元yi表示为动态特征交互权重wi由公式wi＝zi⊙vi给出，zi作为门，通过双线性注意对齐得分动态生成，表示为α‑entmax(·)为稀疏softmax，稀疏性随α的增大而增大。对比现有技术，本发明无需输入必须为正，提升了交叉特征建模的有效性；遵循白盒设计，建模过程更加透明；根据输入数据动态并有选择性地建模任意阶的交叉特征，提升了准确性和效率；通过注意权值及门控机制提升了模型全局/局部可解释性。
-
公开(公告)号：CN118840595A
公开(公告)日：2024-10-25
申请号：CN202410868891.6
申请日：2024-07-01
Applicant: 中山大学附属第一医院 , 北京理工大学
IPC: G06V10/764 , G06V10/80 , G06V10/40 , G06V10/774 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于文本与多尺度图像多模态融合的垂体神经内分泌肿瘤分类系统及方法，包括以下步骤：采集垂体神经内分泌肿瘤患者的术前、手术、随访的多模态数据并进行预处理；基于病理分类的预测模型，将预处理后的多模态数据分为文本类数据和图像类数据，并分别提取各模态数据特征，将提取的各模态数据特征进行交互，获得融合的多模态特征；利用融合的多模态特征，对病理分类的预测模型进行训练；将待测的患者术前、手术、随访的多模态数据输入通过训练的病理分类的预测模型，获得对应的垂体神经内分泌肿瘤的分类信息。本发明利用患者的医疗文本信息和术前多尺度影像学检查进行病理分类的预测模型，实现垂体神经内分泌肿瘤准确分类。
-
Patent Agency Ranking
公开(公告)号：CN114818124B
公开(公告)日：2024-08-23
申请号：CN202210394120.9
申请日：2022-04-14
Applicant: 北京理工大学
IPC: G06F30/15 , G06F30/27 , G06N3/0499 , G06N3/084 , G06N3/048
Abstract: 本发明涉及一种基于DPPO的虚实融合栅格舵模型参数优化方法，属于航天器设计参数优化技术领域。本发明使用BP神经网络训练的代理模型替代栅格舵系统物理仿真模型，可以快速地生成数据、完成预测，使用Adams物理仿真模型预测20000组数据需要耗时越20小时，使用代理模型仅需1.6秒。使用DPPO深度强化学习对栅格舵系统参数进行优化，在计算梯度时通过更新前后地参数对比，限制更新步长，解决了基于行为地强化学习的步长敏感问题，使得训练更易收敛。同时，使用分布式的方式，用多组线程与环境交互，产生训练数据，在提升数据收集速度的同时，降低了网络间的相关性，使得训练更容易收敛，更易实现对栅格舵系统的参数优化。
-
公开(公告)号：CN116629378A
公开(公告)日：2023-08-22
申请号：CN202310565282.9
申请日：2023-05-18
Applicant: 北京奥星贝斯科技有限公司 , 北京理工大学唐山研究院
IPC: G06N20/00
Abstract: 本说明书一个或多个实施例提供一种训练方法及装置、特征选择方法及装置、电子设备，所述方法包括：对于多个局部模型中每个局部模型，局部模型根据当前时间步的环境状态确定动作，并根据当前时间步的环境状态和所述动作，确定奖励值和下一个时间步的环境状态；对于多个局部模型中每个局部模型，局部模型响应于当前时间步的轨迹参数满足预设条件，根据首个时间步至当前时间步中每个时间步的轨迹参数生成轨迹，轨迹参数包括当前时间步的环境状态、动作和奖励值，以及下一个时间步的环境状态；根据每个局部模型生成的轨迹，对全局模型的参数进行训练，局部模型与所述全局模型为相同模型。
-
公开(公告)号：CN114692310A
公开(公告)日：2022-07-01
申请号：CN202210395757.X
申请日：2022-04-14
Applicant: 北京理工大学
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/14
Abstract: 本发明涉及一种基于Dueling DQN的虚实融合一二级分离模型参数优化方法，属于航天器设计参数优化技术领域。本发明使用BP神经网络训练的代理模型替代火箭一二级分离系统物理仿真模型，可以快速地生成数据、完成预测。使用Dueling DQN深度强化学习对火箭一二级分离系统结构参数进行优化，将Q值函数分解为价值函数和优势函数，考虑状态单独的影响，使网络更易收敛。相比传统启发式算法，深度强化学习搜索更细致，迭代次数更多，优化结果更优，深度网络可以积累智能体在可行解空间里的搜索经验，对于结构相同的问题大大提升了其拓展性和泛化能力，对于新的数据可以在已经训练过的基础上在进行训练，减少再次开发的成本和时间，通过历史经验减少训练消耗的时间。
-
公开(公告)号：CN118840595B
公开(公告)日：2025-02-14
申请号：CN202410868891.6
申请日：2024-07-01
Applicant: 中山大学附属第一医院 , 北京理工大学
IPC: G06V10/764 , G06V10/80 , G06V10/40 , G06V10/774 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于文本与多尺度图像多模态融合的垂体神经内分泌肿瘤分类系统及方法，包括以下步骤：采集垂体神经内分泌肿瘤患者的术前、手术、随访的多模态数据并进行预处理；基于病理分类的预测模型，将预处理后的多模态数据分为文本类数据和图像类数据，并分别提取各模态数据特征，将提取的各模态数据特征进行交互，获得融合的多模态特征；利用融合的多模态特征，对病理分类的预测模型进行训练；将待测的患者术前、手术、随访的多模态数据输入通过训练的病理分类的预测模型，获得对应的垂体神经内分泌肿瘤的分类信息。本发明利用患者的医疗文本信息和术前多尺度影像学检查进行病理分类的预测模型，实现垂体神经内分泌肿瘤准确分类。
-
公开(公告)号：CN119230047A
公开(公告)日：2024-12-31
申请号：CN202411335395.0
申请日：2024-09-24
Applicant: 北京理工大学 , 首都医科大学附属北京天坛医院
IPC: G16H15/00 , G16H30/20 , G16H30/40 , G16H50/20 , G16H50/70 , G06F40/279 , G06F18/214
Abstract: 本申请提供了一种基于医学影像描述的诊断结果预测方法及装置，对获取到的医学影像报告进行描述信息提取，提取出用于描述医学影像报告中脑部MRI影像的影像描述信息；通过对影像描述信息进行预处理，将影像描述信息映射为影像描述数据；结合第一疾病预测模型的数据输入格式，对影像描述数据进行格式规范处理，将影像描述数据转换为影像描述特征；将影像描述特征输入第一疾病预测模型的疾病结果预测层，确定医学影像报告的结果描述向量；将结果描述向量输入至所述第一疾病预测模型的结果分类层，确定医学影像报告的预测诊断结果。这样，可仅利用描述脑部MRI影像的影像描述信息，即可实现诊断结果的准确预测，可辅助医生提高疾病的诊断效率。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.021 seconds)
