-
公开(公告)号：CN120031967A
公开(公告)日：2025-05-23
申请号：CN202510495764.0
申请日：2025-04-21
Applicant: 南京中医药大学
IPC: G06T7/73 , G06N3/0464 , G06T7/00 , G06V10/20 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了基于图像增强的穴位定位方法及系统，属于图像处理技术领域，方法包括：人体穴位图像采集、人体穴位图像增强、构建穴位识别模型和穴位定位。本方案通过伽玛值和分数阶的参数优化，根据振荡系数和个体位置之间的差异，并引入随机扰动进行更新，结合进化率不断优化参数组合，利用最优参数组合，进行伽玛变换和分数阶增强，从而提高图像质量；激活重组单元通过通道门控激活对特征进行智能筛选，再对特征图进行拆分重组，得到复合特征图，双型卷积优化单元通过拆分复合特征图，并将组卷积和逐点卷积相结合得到核心卷积特征图和细节卷积特征图，再通过全局平均池化和软注意力机制进行加权，显著提升穴位识别的精度和稳定性。
-
公开(公告)号：CN116779137B
公开(公告)日：2024-08-20
申请号：CN202310470069.X
申请日：2023-04-27
Abstract: 本申请提供了一种基于医疗知识图谱的数据处理方法及系统，通过获取患者在就医过程中记录的视听数据、医学检查数据和疾病诊断结果，并提取视听数据中的患者关键信息；利用预设检索模型，根据医疗知识图谱、患者关键信息以及医学检查数据，确定待选诊断结果集；根据疾病诊断结果以及待选诊断结果集，确定预设检索模型的预测评价值；若预测评价值低于预设阈值，则根据患者关键信息以及医学检查数据，调整预设检索模型的参数，直至预测评价值大于或等于预设阈值。这样就达到了减少人为标定，自动训练检索模型，提高了检索效率和检索准确性，解决了如何能够快速地在复杂的医疗知识图谱中准确搜索到目标实体的技术问题。
-
公开(公告)号：CN119230092A
公开(公告)日：2024-12-31
申请号：CN202411339825.6
申请日：2024-09-25
Applicant: 南京中医药大学
Abstract: 本发明属于知识图谱模型技术领域，涉及一种基于知识图谱模型的医疗智能诊断辅助系统及方法，该方法包括：获取用户的历史医疗信息和本次就诊图像数据；根据用户的历史医疗信息生成用户的知识图谱模型；对用户的本次就诊图像数据进行处理，在用户的知识图谱模型中对相应实体进行标记，基于知识图谱模型对实体关系进行筛选，整合生成图像关系网图；监测获取医生本次诊断数据，提取医生本次诊断数据中的药物信息，将药物信息映射到云端的知识图谱模型对应的实体上；基于图像关系网图对医生本次诊断数据中的药物作用指数进行分析，输出医生本次诊断中的药物选择对用户产生的影响；能够更加全面的评估药物对用户的实际作用，辅助优化治疗方案。
-
公开(公告)号：CN117932089A
公开(公告)日：2024-04-26
申请号：CN202410340913.1
申请日：2024-03-25
Abstract: 本申请公开了一种基于知识图谱的数据分析方法，涉及知识图谱技术领域，包括：采集包含结构化数据和非结构化数据的多个不同来源的数据集并进行预处理；采用基于模式匹配的数据集成方法，换成格式和结构统一的数据集；提取数据集中的实体和关系，建立知识图谱，作为第一知识图谱；获取第一知识图谱的实体三元组和关系三元组；构建图神经网络；构建连接度矩阵，计算实体三元组和关系三元组与图神经网络之间的连接概率；根据连接概率，连接第一知识图谱和训练后的图神经网络，生成概率知识图谱；利用概率知识图谱对数据集进行分析。针对现有技术中领域知识关联性低的问题，本申请通过图神经网络进行知识关联优化等，提高了领域知识的关联性。
-
公开(公告)号：CN119358650B
公开(公告)日：2025-05-06
申请号：CN202411397517.9
申请日：2024-10-09
Applicant: 南京中医药大学
IPC: G06N5/022 , G06F40/295 , G16H70/00 , G16H50/70
Abstract: 本发明公开了基于多源信息融合的知识谱图分析可视化处理系统及方法，属于医学谱图技术领域。在知识图谱中识别特征实体，基于特征实体的数量划分最小存储空间，以存储与特征实体相关的全部电子病历；刻画出无向关系边，在最小存储空间之间捕捉相同的电子病历，以对无向关系边附加关系特征标签；分别计算无向关系边的特征相关度、特征无关度和边权值；在周期更新的影响下，评估无线关系边的关系稳定度，判断是否在下一个周期时重新计算无向关系边的边权值，根据判断结果同步更新知识图谱；从而能够节省数据资源空间的同时，避免冗余数据对算法资源带来的浪费，提高医学领域知识图谱更新的效率，促进医学领域知识图谱的推广和再利用。
-
Patent Agency Ranking
公开(公告)号：CN119274729A
公开(公告)日：2025-01-07
申请号：CN202411320957.4
申请日：2024-09-23
Applicant: 南京中医药大学
Abstract: 本发明公开了一种基于多模态驱动的知识图谱疗效辅助监管系统及方法，属于疗效辅助监管技术领域；构建患者与电子病例之间的第一实体集和第一关系集，构建患者与B超图像之间的第二实体集和第二关系集，形成患者个性化知识图谱；对病灶附加时间序列周期标签，记为周期病灶；计算患者的疗效预测值；计算周期病灶的病灶变化率；计算患者的综合疗效评估值；计算不同患者之间的优化疗效预测值；计算最优治疗方案；本发明通过利用图像分析技术提取病灶信息，通过知识图谱构建病情和治疗方案的动态关联，量化病灶变化与疗效预测；最后，通过患者间疗效相似性分析优化治疗方案，为患者推荐最优治疗方案，从而提高了医疗决策的精准性和治疗效果的科学性。
-
公开(公告)号：CN117973519A
公开(公告)日：2024-05-03
申请号：CN202410370235.3
申请日：2024-03-29
IPC: G06N5/022 , G06N5/04 , G06F16/36 , G06F40/295 , G06N5/025 , G06F18/23213 , G06N3/0442 , G06N3/084
Abstract: 本申请公开了一种基于知识图谱的数据处理方法，属于知识图谱领域，包括：构建包含非结构化文本数据的领域知识数据库；构建命名实体识别模型对领域知识数据库进行命名实体识别，获取命名实体作为领域知识实体；采用K均值聚类算法对获取的领域知识实体进行聚类，得到结构化的实体关系数据；根据获取的结构化的实体关系数据，训练TransE知识图谱模型，得到领域知识图谱模型；利用得到的领域知识图谱模型，对结构化的实体关系数据进行知识推理，得到实体关系三元组；利用得到的实体关系数据和实体关系三元组，构建领域知识图谱。针对现有技术中对非结构化文本数据的利用率低的问题，本申请提高了利用率。
-
公开(公告)号：CN116825370A
公开(公告)日：2023-09-29
申请号：CN202310451949.2
申请日：2023-04-25
Applicant: 南京中医药大学 , 南京柯基数据科技有限公司
IPC: G16H50/70 , G06F18/23213 , G06F16/35 , G06F16/36 , G06F40/117 , G06F40/279 , G06N5/02
Abstract: 本发明公开了一种针灸知识图谱构建方法、装置及计算机设备，属于知识图谱技术领域。针对现有技术中存在的医学知识图谱对当前还没有出现的医学实体类型无法进行分类，存在一定的局限性等问题，本发明提供了一种针灸知识图谱构建方法、装置及计算机设备，通过聚类算法对已有类型的针灸医学实体和还没有出现的针灸医学实体类型聚类，对聚类后的针灸医学实体描述信息进行标注，将标注后的针灸医学实体描述信息转换为三元组，通过所述三元组构建针灸知识图谱，深入揭示针灸临床治疗“症‑证‑方”的内部规律，进一步挖掘临床数据中的隐性知识。
-
公开(公告)号：CN119538929A
公开(公告)日：2025-02-28
申请号：CN202411612511.9
申请日：2024-11-13
Applicant: 南京中医药大学
IPC: G06F40/295 , G06F40/194 , G06F40/30 , G06N5/022 , G16H50/70
Abstract: 本发明属于计算机应用技术领域，具体涉及一种多语种医案的实体关联方法，包括如下步骤：对医案中的原始句子进行头部实体和尾部实体识别；基于不同语种的医学术语对照数据，构建包含不同语种对应实体的词典，使用在线翻译API将不同语种的实体翻译成统一的目标语言，使用预训练的多语言词嵌入模型将不同语种的实体映射到相同的嵌入空间，用余弦相似度度量方法计算不同语种实体的相似度，对相似度得分最高的实体进行实体对齐；根据实体与实体间的关系构建知识图谱，以实现实体关联；本发明提升了知识图谱的关系准确性、实用性和包容性，推动医疗信息化和全球化的研究与应用。
-
公开(公告)号：CN116779137A
公开(公告)日：2023-09-19
申请号：CN202310470069.X
申请日：2023-04-27
Abstract: 本申请提供了一种基于医疗知识图谱的数据处理方法及系统，通过获取患者在就医过程中记录的视听数据、医学检查数据和疾病诊断结果，并提取视听数据中的患者关键信息；利用预设检索模型，根据医疗知识图谱、患者关键信息以及医学检查数据，确定待选诊断结果集；根据疾病诊断结果以及待选诊断结果集，确定预设检索模型的预测评价值；若预测评价值低于预设阈值，则根据患者关键信息以及医学检查数据，调整预设检索模型的参数，直至预测评价值大于或等于预设阈值。这样就达到了减少人为标定，自动训练检索模型，提高了检索效率和检索准确性，解决了如何能够快速地在复杂的医疗知识图谱中准确搜索到目标实体的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.017 seconds)
