-
公开(公告)号：CN117764204A
公开(公告)日：2024-03-26
申请号：CN202410191910.6
申请日：2024-02-21
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明涉及医学数据构建技术领域，尤其涉及一种医学领域中的强化学习数据构建方法及系统；该方法包括：获取原始电子病例；对原始电子病例进行数据脱敏处理，得到脱敏数据集；对脱敏数据集进行实体标注和关系标注，构建状态集；构建预测集；对症状词语/症状关系词组与开源大模型答案进行人工校验，将正确的校验结果和对应的检查项价格进行标注，构建核对集；对检查项价格进行规整处理；构建强化学习数据集；基于该强化学习数据集，便于开展后续相关的强化学习，同时能够根据给定的病症或其它结果推荐价格较低的检查项目，以便为医生和患者在医学辅助诊断推荐决策中提供合适的推荐选择，降低医疗成本，提高医疗效果。
-
公开(公告)号：CN117174261B
公开(公告)日：2024-03-01
申请号：CN202311451817.6
申请日：2023-11-03
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明公开了一种用于医学影像的多类型标注流程集成系统，所述系统由预训练模型标注子系统、2D标注子系统和3D标注子系统共同集成，本系统针对不同的医学影像提供了不同类型的标注流程，能够适用于各类医学系统，满足不同医疗系统的需求，有助于医疗工作者做出更加准确的诊断，提高了医疗服务质量，通过使用本系统，医疗工作者能够有效地处理医学影像的信息，实现对影像的准确定位和有力的分析，提高了医生和医疗工作者的诊断精度和准确度。
-
公开(公告)号：CN117274750A
公开(公告)日：2023-12-22
申请号：CN202311573882.6
申请日：2023-11-23
Applicant: 神州医疗科技股份有限公司
IPC: G06V10/774 , G06N3/0464 , G06N3/084 , G06N3/096 , G06T7/00 , G06T7/11 , G06V10/26 , G06V10/28 , G06V10/44 , G06V10/74
Abstract: 本发明公开了一种知识蒸馏半自动可视化标注方法及系统，涉及数据标注技术领域。包括得到预训练后的医学图像分割模型，优化模型预训练损失；基于医学图像数据集采用无监督预训练方法得到的数据训练得到图像特征预测模型；将医学图像数据集输入医学图像分割模型和图像特征预测模型后，提取第一特征图和第二特征图；根据图像分割标注生成语义mask，用语义mask加权平均池化，得到第一特征向量和第二特征向量；计算第一特征向量和第二特征向量之间的余弦相似度，得到医学图像分割模型的蒸馏误差；合并预训练损失和蒸馏误差得到总损失，基于总损失优化医学图像分割模型。本发明实现了协作标注和隐私保护，提升了医学标注效率。
-
公开(公告)号：CN117235240A
公开(公告)日：2023-12-15
申请号：CN202311507853.X
申请日：2023-11-14
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/332 , G06F9/54 , G06F18/25
Abstract: 本发明公开了一种基于异步消费队列的多模型结果融合问答方法及系统，本方案通过模型融合训练使得模型的输出更加合理，降低了标注数据量，提高了标注速度，同时通过异步的调用方式，我们可以实现和用户端进行联动操作，通过本发明可以快速完成医患之间的交流，帮助医护人员及时预测分析出与患者健康状况，以便于医护人员做出相应的健康护理决策。
-
公开(公告)号：CN117059279A
公开(公告)日：2023-11-14
申请号：CN202210482706.0
申请日：2022-05-05
Applicant: 神州医疗科技股份有限公司
Abstract: 本公开的实施例公开了基于虚拟数字人体模型的医疗服务平台、方法和装置。基于虚拟数字人体模型的医疗服务平台包括：数据采集模块、虚拟数字人体模型构建模块和虚拟数字人体模型仿真模块；其中，上述数据采集模块用于采集用于构建虚拟数字人体模型的身份信息、生物特征信息和/或医疗相关信息；上述虚拟数字人体模型构建模块用于基于上述身份信息、上述生物特征信息和/或上述医疗相关信息，构建目标虚拟数字人体模型；上述虚拟数字人体模型仿真模块用于利用构建完成的目标虚拟数字人体模型执行仿真模拟过程。该实施方式为用户了解自身健康情况提供了便利，为医护人员了解病人的身体健康情况和疾病严重程度的预测提供了很大帮助。
-
Patent Agency Ranking
公开(公告)号：CN116703896A
公开(公告)日：2023-09-05
申请号：CN202310963187.4
申请日：2023-08-02
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及前列腺癌技术领域，具体涉及一种基于多模态的前列腺癌与增生预测系统及构建方法；本方法包括采集患者的临床数据以及前列腺序列的CT影像，采用3DUNET分割模型对前列腺影像序列的前列腺区域进行ROI标注，经VIT算法模型处理后得出患者的前列腺影像embedding，对患者的临床数据进行预处理后得到患者的临床embedding，将对应的影像和临床embedding进行拼接，得到前列腺癌与增生预测模型；本发明通过将临床数据与影响数据进行结合形成多模态数据，并构建预测模型，实现对前列腺癌与增生的预测，解决了临床上医生对PSA值处于4到6的患者影像判断的挑战，避免患者做活检带来的痛苦。
-
公开(公告)号：CN115762707B
公开(公告)日：2023-05-05
申请号：CN202310025203.5
申请日：2023-01-09
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明涉及知识图谱技术领域，具体涉及一种基于知识图谱的肝癌用药推荐方法和系统；本方法包括收集肝癌实例数据构建知识图谱，建立RNNLogic预测模型，通过EM算法优化RNNLogic预测模型，基于所述知识图谱训练RNNLogic预测模型，得到肝癌用药推荐模型，通过所述肝癌用药推荐模型，得出肝癌推荐用药的候选答案，并计算所述候选答案的概率，通过MR、MRR和Hit@k对所述候选答案的路径进行验证；本发明实现对肝癌数据的运用，进而对肝癌患者的最佳用药进行推荐。
-
公开(公告)号：CN115658877B
公开(公告)日：2023-03-21
申请号：CN202211683493.4
申请日：2022-12-27
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/335 , G06F16/36 , G16H20/10 , G16H50/50 , G16H50/70
Abstract: 本公开涉及肝癌免疫药物推荐领域，提供了一种基于强化学习的药物推荐方法、装置、电子设备和介质。包括：采集初始患者数据并进行预处理，得到标准患者数据；基于上述标准患者数据构建知识图谱；基于Trans模型得到上述知识图谱的节点向量和边关系向量；基于强化学习、上述知识图谱和上述知识图谱的节点向量和边关系向量训练智能体；基于上述智能体和上述知识图谱得到推荐药物和上述推荐药物对应的推荐路径。本公开结合强化学习与知识图谱对真实肝癌病人用药信息进行建模，在给出病人推荐药物的同时也可以提供模型推荐药物诊疗路径，为药物推荐提供可解释性。
-
公开(公告)号：CN115798722A
公开(公告)日：2023-03-14
申请号：CN202310052229.9
申请日：2023-02-02
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明提供了基于知识图谱的免疫药物人群高低危筛选方法及系统，该方法包括以下步骤：S1：获取病人数据，并对病人数据进行数据预处理，并构建同构图数据以及异构图数据；S2：根据病人数据中的PFS值，对病人节点赋予标签，若PFS值大于PFS中位数，则赋予低危标签；S3：根据异构图数据构建异构图；将异构图节点数据转换为同构图数据，并根据同构图数据构建同构图；S4：将同构图输入到GCN以及GAT模型，异构图输入HAN模型，分别输出节点特征矩阵；S5：将三个节点特征矩阵进行拼接，输入MLP多层神经网络，并输出PFS类别预测。本发明融合了同构图信息以及异构图信息，并分别将其输出的节点表征拼接到一起，经过双层的MLP网络结构，能够准确预测病人的PFS类别。
-
公开(公告)号：CN115797638A
公开(公告)日：2023-03-14
申请号：CN202310054375.5
申请日：2023-02-03
Applicant: 神州医疗科技股份有限公司
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本申请提出一种医学图像分割方法、装置、电子设备及存储介质，方法包括：用少量人工标注的图像训练全监督医学图像分割模型；采用该模型对未进行标注的医学图像进行预测，得到伪标注医学图像；从伪标注医学图像中选出高质量伪标注图像，使用少量人工标注的图像与高质量伪标注图像来对全监督医学图像分割模型进行微调，得到半监督模型；重复进行n轮生成n个半监督模型，用最终的半监督模型预测未进行人工标注的图像。装置包括：人工标注模块、全监督模型训练模块、伪标注图像生成模块、高质量伪标注图像选择模块、半监督模型训练模块、标注结果输出模块。本申请仅用少量人工标注，就能够得到准确的多器官分割模型，并实现所有医学图像的标注。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.044 seconds)
