-
公开(公告)号：CN109346185B
公开(公告)日：2022-03-04
申请号：CN201811096530.5
申请日：2018-09-19
Applicant: 北京科技大学
Abstract: 本发明提供一种中医辅助诊断系统，能够在现有症状基础上帮助医生提前发现患者的健康隐患，实现疾病辅助诊断的功能。所述系统包括：信息预处理模块，用于对输入的患者病历信息进行编码，生成相应的离散二值化数据序列；症状预测模块，用于根据生成的离散二值化数据序列，利用层次实时记忆模型对患者未来症状进行预测；辅助诊断模块，用于将预测得到的患者未来症状与预先建立的名老中医经验知识库进行相似度匹配，从所述名老中医经验知识库中提取与预测症状相似度最高的若干诊断方案。本发明涉及智能导诊、计算机自动诊断技术领域。
-
公开(公告)号：CN113946217A
公开(公告)日：2022-01-18
申请号：CN202111221446.3
申请日：2021-10-20
Applicant: 北京科技大学
Abstract: 本发明提供一种肠镜操作技能智能辅助评估系统，属于医工结合领域。所述系统包括：获取模块，用于获取操作者在内镜仿真模拟训练系统上进行肠镜操作的小样本眼动数据；构建模块，用于根据获取到的眼动数据，提取肠镜操作过程中学习者和临床医师两类群体的时空眼动特征；鉴别模块，用于建立基于元学习、长短期记忆神经网络和全卷积神经网络的三种眼动特征学习模型，利用构建的时空眼动特征对构建的三种眼动特征学习模型进行训练，实现操作者肠镜操作技能的分类鉴别；评估模块，用于将三种眼动特征学习模型所得到的技能鉴别结果进行集成评价得到最终的肠镜操作技能评估结果。采用本发明，能够实现操作者肠镜操作技能的智能、精准评估。
-
公开(公告)号：CN110147450B
公开(公告)日：2021-08-03
申请号：CN201910372653.5
申请日：2019-05-06
Applicant: 北京科技大学
IPC: G06F16/36
Abstract: 本发明提供一种知识图谱的知识补全方法及装置，能够解决知识补全过程中存在的负例无意义和1‑N关系难以处理的问题。方法包括：确定实体和关系对应的空间向量；根据实体和关系对应的空间向量，计算语义关系，得到实体之间新的关系，补全知识图谱；利用生成式对抗网络随机生成负例，并结合导出的事实三元组训练第一知识表示模型；对得到的事实三元组进行概念分层，随机选择事实三元组同一子概念下的实体构造负例，并结合导出的事实三元组，采用最大间隔方法，训练第二知识表示模型；将第二知识表示模型作为第一知识表示模型的判别器输入，通过对抗生成式网络优化第一知识表示模型，得到用于知识补全的目标知识表示模型。本发明涉及知识工程领域。
-
公开(公告)号：CN111329488B
公开(公告)日：2021-02-02
申请号：CN202010148549.0
申请日：2020-03-05
Applicant: 北京科技大学
Abstract: 本发明提供一种针对踝关节韧带损伤的步态特征提取与生成方法及系统，该方法包括：足踝部运动测量、数据预处理、步态相期分割、步态特征空间构建、步态特征生成、真实与生成特征相关度评估和生成特征有效性可视化验证；本发明解决了现有医疗系统中存在的特征质量低和样本量不足的问题；通过采集受试者的步态数据，针对踝关节韧带损伤，建立损伤组与对照组的小样本数据集，基于人体测量学方法进行特征精细化对比与分析，建立踝关节损伤的步态特征空间、步态特征生成与有效性验证，为基于大数据的智能踝关节损伤诊断与决策、康复方案精准化构建和辅助外骨骼机器人研制等相关领域的研究与应用提供了大量有人体测量学依据的优质、高效的特征数据支撑。
-
公开(公告)号：CN110334337B
公开(公告)日：2020-12-08
申请号：CN201910335367.1
申请日：2019-04-24
Applicant: 北京科技大学
IPC: G06F40/289 , G06F16/36
Abstract: 本发明提供基于中医古籍文献的短语挖掘方法及系统，所述挖掘方法将短语挖掘技术、面向中医古籍文献的分词方法和语言知识库相结合，通过添加中医古文的停用词表以及高质量短语并使用面向中医古籍文献的分词方法进行分词，再利用分词后的文件和词映射生成的映射文件进行两次词性引导的短语分隔，保存模型和结果，并根据模型结果生成短语挖掘结果并回标。本发明基于远程监督方法，不需要人工标注语料，也不需要人工设计提取特征，只需要利用现有的公共知识库，节省了人力物力；从大量中医古文文献中提取高质量短语，只需进行有限的浅层语言分析，易操作，效率更高；同时，更加全面的利用古籍文献，从而对中医古籍文献中的短语进行高效、智能的挖掘。
-
Patent Agency Ranking
公开(公告)号：CN112002408A
公开(公告)日：2020-11-27
申请号：CN202010725650.8
申请日：2020-07-24
Applicant: 北京科技大学
Abstract: 本发明提供一种中医专病临床辅助诊断装置，属于人工智能技术领域。所述装置包括：向量化单元，用于对原始中医医案数据中的症状描述词语及证候词语分别进行向量化表示，得到症状词向量和证候向量；点乘单元，用于将症状词向量点乘症状词位置向量，得到拥有症状词位置信息的症状描述句向量；拼接单元，用于将症状描述句向量和证候向量进行拼接，利用拼接后的向量及其标签构造训练集，其中，标签用于表示拼接后的向量中的症状描述句向量与证候向量是否匹配；训练单元，用于将训练集输入到专病证候分类模型对其进行训练。采用本发明，能够解决特征建模难，模型鲁棒性差。
-
公开(公告)号：CN110334414B
公开(公告)日：2020-11-13
申请号：CN201910525798.4
申请日：2019-06-18
Applicant: 北京科技大学
IPC: G06F30/20 , G16C60/00 , G06F111/10
Abstract: 本发明的实施例公开一种基于强度相图的聚合物降解强度的计算方法和装置，所述方法包括:步骤1，读取待计算的聚合物的强度相图；步骤2，从所述强度相图的坐标原点开始遍历，判断每个像素点上的元胞的强度状态；步骤3，根据近邻‑边界扩展算法，对所述相图中的相同强度状态的像素点所组成的区域进行孔洞、裂痕识别，获取不同强度状态的区域内孔洞、裂痕的区域面积和密集程度；步骤4，根据所述不同强度状态的区域内孔洞、裂痕的区域面积和密集程度，以及预先建好的强度计算模型，计算不同强度状态的所述元胞的强度；步骤5，根据所述不同强度状态的所述元胞的强度，计算所述聚合物的总强度。
-
公开(公告)号：CN108334734B
公开(公告)日：2020-09-25
申请号：CN201710785288.1
申请日：2017-09-04
Applicant: 北京科技大学
IPC: G16C20/10
Abstract: 本发明提供一种高分子共聚物降解建模与仿真方法，能够实现微观下的分子链的剪切断裂到宏观下的扩散建模实现降解过程的仿真。所述方法包括：将高分子共聚物离散成元胞；基于离散得到的元胞，随机选择参与剪切的分子链；基于共聚物的成分建立高分子共聚物分子链剪切断裂模型，所述模型用于根据预先设置的分子链中酯键单元间的断裂概率，通过轮盘赌以概率的方式确定所述参与剪切的分子链的断裂位置；所述参与剪切的分子链在确定的所述断裂位置进行断裂；所述参与剪切的分子链在确定的所述断裂位置断裂后，低聚体向外进行扩散。本发明涉及可降解高分子材料技术领域。
-
公开(公告)号：CN107908921B
公开(公告)日：2020-09-11
申请号：CN201711089422.0
申请日：2017-11-08
Applicant: 北京科技大学
Abstract: 本发明提供一种模拟不同质相高聚物降解强度变化的方法，能够模拟得到高聚物材料在降解过程中弹性强度的变化趋势。所述方法包括：S1，将高聚物材料离散成元胞，并初始化当前反应时间t1；S2，确定参与剪切的分子链和距离确定的所述参与剪切的分子链进行链剪切反应的时间间隔Δt；S3，在t1+Δt时刻，所述参与剪切的分子链发生链剪切反应，更新元胞的状态，并根据更新后的元胞的状态，针对不同的元胞状态采用不同的强度计算式，并统计所有元胞的强度得到所述高聚物材料整体的强度；S4，执行t1＝t1+Δt，若t1小于预设的扩散时间步长，则返回执行S2，否则，链剪切反应产生的低聚物向高聚物材料外进行扩散。本发明涉及可降解高分子材料领域。
-
公开(公告)号：CN111329488A
公开(公告)日：2020-06-26
申请号：CN202010148549.0
申请日：2020-03-05
Applicant: 北京科技大学
Abstract: 本发明提供一种针对踝关节韧带损伤的步态特征提取与生成方法及系统，该方法包括：足踝部运动测量、数据预处理、步态相期分割、步态特征空间构建、步态特征生成、真实与生成特征相关度评估和生成特征有效性可视化验证；本发明解决了现有医疗系统中存在的特征质量低和样本量不足的问题；通过采集受试者的步态数据，针对踝关节韧带损伤，建立损伤组与对照组的小样本数据集，基于人体测量学方法进行特征精细化对比与分析，建立踝关节损伤的步态特征空间、步态特征生成与有效性验证，为基于大数据的智能踝关节损伤诊断与决策、康复方案精准化构建和辅助外骨骼机器人研制等相关领域的研究与应用提供了大量有人体测量学依据的优质、高效的特征数据支撑。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.07 seconds)
