-
公开(公告)号：CN119400441B
公开(公告)日：2025-05-09
申请号：CN202411537176.0
申请日：2024-10-31
Applicant: 浙江大学
IPC: G16H50/70 , G06F16/29 , G06F18/10 , G06F18/25 , G06F18/22 , G06F18/2433 , G06F18/243 , G06N3/0442 , G06N20/20
Abstract: 本发明公开了基于多尺度多元时序特征融合的流感发病量预测方法及系统，包括：(1)按日收集多元时序数据；(2)对收集的多元时序数据预处理，得到以日、周、月、季度为尺度的多元时序数据；(3)对不同尺度的多元时序数据分别进行深度融合和表征，得到不同尺度的时序数据表征，并利用金字塔特征融合网络进行融合，得到不同尺度下的时序特征编码序列；通过计算相似性优化不同尺度下的时序特征编码序列；(4)构建流感发病量预测模型，利用日时序特征编码序列作为输入，对预测模型进行训练；(5)训练完成后，针对输入的多尺度多元时序数据，对下一个时间点的流感发病量进行预测。利用本发明，可以提升流感发病量预测的准确性。
-
公开(公告)号：CN119400441A
公开(公告)日：2025-02-07
申请号：CN202411537176.0
申请日：2024-10-31
Applicant: 浙江大学
IPC: G16H50/70 , G06F16/29 , G06F18/10 , G06F18/25 , G06F18/22 , G06F18/2433 , G06F18/243 , G06N3/0442 , G06N20/20
Abstract: 本发明公开了基于多尺度多元时序特征融合的流感发病量预测方法及系统，包括：(1)按日收集多元时序数据；(2)对收集的多元时序数据预处理，得到以日、周、月、季度为尺度的多元时序数据；(3)对不同尺度的多元时序数据分别进行深度融合和表征，得到不同尺度的时序数据表征，并利用金字塔特征融合网络进行融合，得到不同尺度下的时序特征编码序列；通过计算相似性优化不同尺度下的时序特征编码序列；(4)构建流感发病量预测模型，利用日时序特征编码序列作为输入，对预测模型进行训练；(5)训练完成后，针对输入的多尺度多元时序数据，对下一个时间点的流感发病量进行预测。利用本发明，可以提升流感发病量预测的准确性。
-
公开(公告)号：CN119380077A
公开(公告)日：2025-01-28
申请号：CN202411400145.0
申请日：2024-10-09
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/774 , G16H50/70 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进ResNet的儿童皮肤病多分类系统，包括计算机存储器以及存储在计算机存储器中的分类模型；分类模型包含特征提取单元和预测单元；特征提取单元包含残差模块结构、中尺度膨胀卷积结构、宽尺度膨胀卷积结构和多尺度融合空洞卷积结构；图像顺次经过一个卷积层、一个最大池化层、一个卷积层和一个批正则化层后从提取特征，进入上述四个并行使用的结构，输出各自的特征图；预测单元将每个结构输出的特征图融合后输入一个批正则化层，对融合后的特征进行标准化；之后通过平均池化层对标准化后的特征图进行下采样；最后通过softmax层将特征转化为皮肤疾病的分类概率分布。利用本发明，可以提高常见儿童皮肤病的识别和分类准确性。
-
公开(公告)号：CN117765041B
公开(公告)日：2024-09-27
申请号：CN202311793094.8
申请日：2023-12-25
Applicant: 浙江大学
IPC: G06T7/33 , G06T7/11 , G06V10/74 , G06V10/40 , G06N3/0499 , G06N3/0464
Abstract: 本发明公开了一种基于配准增强和最优传输GAN的DSA图像生成方法，包括：(1)收集DSA图像数据集；(2)构建生成器；输入图像进入生成器后依次经过尺度分解、特征提取线性变换、自适应注意力机制、共享空间表示、整合多尺度表示后通过前馈神经网络输出生成图像；(3)构建判别器；计算生成图像与真实图像之间的光流图，将生成图像根据光流图进行空间扭曲，将扭曲后生成的图像和真实图像分别输入到深度卷积网络进行特征提取；采用深度相关矩阵比较的方法来度量两个提取特征之间的相似性；(4)构建损失函数，对生成器和判别器进行训练；(5)将待剪影的DSA图像输入训练好的生成器，生成剪影后的图像。利用本发明，可以生成更高质量的图像。
-
公开(公告)号：CN117455890B
公开(公告)日：2024-05-31
申请号：CN202311544713.X
申请日：2023-11-20
Applicant: 浙江大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/082 , G06N3/098
Abstract: 本发明公开了一种基于改进集成深度学习的儿童肠套叠空气灌肠结果预测装置，包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序，所述的计算机存储器中存储有训练好的儿童肠套叠空气灌肠结果预测模型；预测模型包含三个不同的基学习器和一个二级学习器；其中，每个基学习器之间采用动态信息传递机制；二级学习器用于整合三个基学习器的输出，并产生最终的预测结果；所述计算机处理器执行所述计算机程序时实现以下步骤：将待预测的透视图像输入训练好的儿童肠套叠空气灌肠结果预测模型，得到二分类预测结果。利用本发明，可以实现对空气灌肠结果更稳定、更平衡、更准确的预测。
-
Patent Agency Ranking
公开(公告)号：CN116864004A
公开(公告)日：2023-10-10
申请号：CN202310748085.0
申请日：2023-06-25
Applicant: 浙江大学医学院附属儿童医院
IPC: G16B30/00 , G16B40/00 , G06F18/2135 , G06F18/22
Abstract: 本发明公开了基于微生物代谢背景的宏基因组队列匹配方法，涉及宏基因组技术领域。S1：宏基因组测序数据处理；对来自全宏基因组学的数据和手动输入的meta数据进行标准化处理；S2：微生物主要代谢背景提取；S3：微生物代谢背景匹配；首先通过最近邻匹配算法在不遗漏任何主要代谢成分的情况下，筛选对照组中匹配的样本；S4：匹配效果检查；对匹配后的疾病组和对照组的协变量均值进行平衡性检验；S5：基于匹配队列的差异分析；匹配后的疾病组和对照组数据符合正态分布，则进行配对样本t检验进行差异分析，否则使用成组wilcoxon检验进行差异分析。通过本技术方法，实现微生物研究中病例和对照样本匹配队列的构建，加强宏基因组学研究的因果关系识别能力。
-
公开(公告)号：CN116363438B
公开(公告)日：2023-09-15
申请号：CN202310399334.X
申请日：2023-04-14
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/26 , G06V10/32 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06T7/11
Abstract: 本发明公开了一种基于多模态的儿童脑炎分类系统，包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序，计算机处理器执行计算机程序时实现以下步骤：将待分类的儿童脑部临床信息和MR影像输入训练好的分类模型中，得到其属于病毒性脑炎、化脓性脑炎、非脑炎的分类结果。其中，分类模型中，临床信息通过Student T检验进行关键特征筛选，MR影像部分通过MM‑SENet网络模型实现三维特征和不同状位的二维特征的提取、筛选，最终将两部分特征进行拼接，并通过全连接层和Softmax层获得最后的分类结果。利用本发明，可以实现无创的儿童脑炎临床诊断，减少对儿童患者的伤害。
-
公开(公告)号：CN116363438A
公开(公告)日：2023-06-30
申请号：CN202310399334.X
申请日：2023-04-14
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/26 , G06V10/32 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06T7/11
Abstract: 本发明公开了一种基于多模态的儿童脑炎分类系统，包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序，计算机处理器执行计算机程序时实现以下步骤：将待分类的儿童脑部临床信息和MR影像输入训练好的分类模型中，得到其属于病毒性脑炎、化脓性脑炎、非脑炎的分类结果。其中，分类模型中，临床信息通过Student T检验进行关键特征筛选，MR影像部分通过MM‑SENet网络模型实现三维特征和不同状位的二维特征的提取、筛选，最终将两部分特征进行拼接，并通过全连接层和Softmax层获得最后的分类结果。利用本发明，可以实现无创的儿童脑炎临床诊断，减少对儿童患者的伤害。
-
公开(公告)号：CN116258697A
公开(公告)日：2023-06-13
申请号：CN202310150365.1
申请日：2023-02-22
Applicant: 浙江大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06N3/09 , G06N3/0464
Abstract: 本发明公开了一种基于粗标注的儿童皮肤病图像自动分类装置和方法，对获取的儿童皮肤病图像进行病灶区域的粗标注后，对粗标注的病灶区域进行预处理以建立掩码蒙版标注图像；构建包括U‑Net、纹理特征提取模块、颜色特征提取模块、形状特征提取模块、第一相关分析模块、第二相关分析模块以及特征融合和分类模块的分类模型，利用掩码蒙版标注图像对分类模型进行监督学习，以优化分类模型的参数；利用参数优化的分类模型进行儿童皮肤病图像自动分类。该装置和方法基于粗标注构建能够顾准确自动分类儿童皮肤病的模型，并提升儿童皮肤病图像的分类准确性。
-
公开(公告)号：CN114822863B
公开(公告)日：2023-03-24
申请号：CN202210520275.2
申请日：2022-05-12
Applicant: 浙江大学
Abstract: 本申请提供了基于联邦学习系统的医疗数据分析方法，包括：确定待训练模型，确定参考时间，确定参与方，获得参与方数据量，发起训练，请求训练结果，等待时间根据参考时间和参与方数据量确定，获得训练结果，根据训练结果分析医疗数据。本申请提供的医疗数据分析方法、计算机设备和存储介质，能够帮助客户端及时获得训练结果，提高效率。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.096 seconds)
