-
公开(公告)号：CN113393475B
公开(公告)日：2024-02-20
申请号：CN202110734983.1
申请日：2021-06-30
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/11
Abstract: 本申请实施例提供一种乳腺钼靶图像分割的装置、电子设备、医疗设备和介质，该电子设备包括存储器和处理器，所述存储器被配置为存储计算机程序，其中，所述处理器通过执行所述程序以实现如下乳腺钼靶图像分割的方法：获取乳腺钼靶图像；根据所述乳腺钼靶图像上非零像素的平均值确定目标分割线；根据所述目标分割线从所述乳腺钼靶图像上获取乳腺区域；基于所述乳腺区域进行数据分析，能够高效准确的从乳腺钼靶图像中获取乳腺区域，从而降低病灶检测过程中的噪音干扰(例如：在病灶检测过程中由胸大肌区域带来的噪音干扰)，提升后续数据分析的准确率。
-
公开(公告)号：CN116936103B
公开(公告)日：2023-12-15
申请号：CN202311173487.9
申请日：2023-09-12
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/30 , G06F40/177 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于同向网络的用户健康预测管理方法及系统，通过同向网络学习已有的用户健康指标检测知识，在模型训练完毕后，使用训练完毕的模型基于新患者健康检测指标和数据进行患者健康状态的判别，并在预测出患者健康状态不佳时及时给出预警提示，从而帮助医护人员及时预测分析出与患者健康状况相关联的医学测量结果，以便于医护人员做出相应的健康护理决策。
-
公开(公告)号：CN117174319A
公开(公告)日：2023-12-05
申请号：CN202311452738.7
申请日：2023-11-03
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/30 , G06N5/022 , G06N3/0464
Abstract: 本发明涉及一种基于知识图谱的脓毒症时序预测方法及系统；该方法包括：获取脓毒症患者的时序诊次信息，形成诊次数据集；基于CCS或ICD编码技术，构建医学本体图谱；基于医学本体图谱，构建目标脓毒症患者的诊次图谱；基于诊次图谱，生成诊次邻接矩阵和诊次特征矩阵；将诊次邻接矩阵和诊次特征矩阵分别输入至ST‑GCN网络模型中，得到目标脓毒症患者诊次T的诊断预测结果。本发明通过将脓毒症患者患者的时序诊次信息和医学知识图谱相结合，实现全流程端到端预测，不仅有利于模型提取出患者更准确的表征，提升模型预测的准确性，还能够对大量减少医生的工作量，节省医疗资源。
-
公开(公告)号：CN116703896B
公开(公告)日：2023-10-24
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：CN116913459A
公开(公告)日：2023-10-20
申请号：CN202311171207.0
申请日：2023-09-12
Applicant: 神州医疗科技股份有限公司
IPC: G16H20/10 , G16H50/20 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了基于深度卷积网络控制门模型的用药推荐方法及系统，该方法包括以下步骤：S1：获取现有的患者诊疗检查信息以及对应的最终用药数据；S2：根据患者诊疗检查信息与最终用药数据的对应关系，将每一条患者诊疗检查信息与最终用药数据进行数字ID映射的转化；S3：将转化为数字ID的患者诊疗信息作为输入，最终用药数据作为标签，输入控制门模型进行训练；S4：将实际患者诊疗信息输入控制门模型，输出建议用药概率。本发明通过深度卷积网络控制门模型学习已有的用户诊断检查数据，在训练完毕后，可以使用训练完毕的模型基于新的患者诊断检查检测指标对患者用药进行推荐，最终推荐出患者的最佳用药。
-
Patent Agency Ranking
公开(公告)号：CN116665017A
公开(公告)日：2023-08-29
申请号：CN202310939774.X
申请日：2023-07-28
Applicant: 神州医疗科技股份有限公司
IPC: G06V10/82 , G16H50/20 , G06N3/0464 , G06N7/01 , G06N20/00 , G06V10/25 , G06V10/40 , G06V10/764
Abstract: 本发明涉及前列腺癌技术领域，具体涉及一种基于影像组学的前列腺癌预测系统及构建方法；本发明系统包括采集模块，用于采集前列腺患者的影像序列，标注模块，用于对前列腺区域进行ROI标注，特征提取模块，用于进行特征提取，特征筛选模块，用于选出前列腺影像序列的重要特征，预测模型构建模块，用于通过重要特征，基于随机森林、XGBoost，朴素贝叶斯、k最近邻、支持向量机、逻辑回归、决策树和adaboost分别构建模型，评价模块，用于计算模型的评价指标，采用评价指标最优的模型作为最后的前列腺癌预测模型，预测模块，用于预测待测者的前列腺癌风险；通过本发明实现对前列腺癌的评估，解决需要活检造成患者痛苦的问题。
-
公开(公告)号：CN116386800B
公开(公告)日：2023-08-18
申请号：CN202310658805.4
申请日：2023-06-06
Applicant: 神州医疗科技股份有限公司
IPC: G16H10/60 , G06F18/214 , G06F18/10 , G06F18/22 , G06F40/205 , G06F40/295
Abstract: 本发明公开了基于预训练语言模型的医疗病历数据分割方法和系统，通过预构建的预训练语言模型生成原始病历文本数据，基于N‑gram模型按照1~n gram对原始病历文本数据进行划分组合，得到病历划分数据，并通过预构建的bert模型得到病历词向量集合，再用预设的医疗领域所有的标准词通过bert模型得到标准词向量集合，通过相似度得分计算病历词与标准词的相似度得分，根据预设阈值将符合的病历词标识为疾病实体，从而实现病历文本的快速精确分割识别操作，解决了基于传统序列标注的分割方法中效率低且准确率不达标的问题。
-
公开(公告)号：CN116179718A
公开(公告)日：2023-05-30
申请号：CN202211671755.5
申请日：2022-12-26
Applicant: 神州医疗科技股份有限公司
IPC: C12Q1/6888 , C12Q1/6858 , C12N15/11
Abstract: 本发明公开了一种用于免疫抑制剂类药物基因多种SNP位点的核酸组合物、试剂盒和方法，所述用于免疫抑制剂类药物基因多种SNP位点的核酸组合物，所述核酸组合物包括引物探针组合1‑引物探针组合6中的任意一种或两种以上的组合。本发明提供的用于免疫抑制剂类药物基因多种SNP位点的核酸组合物、试剂盒和方法，通过6个引物探针组合能够对多种SNP位点进行检测，通过PCR扩增时相应通道的信号强度进行实时监测和输出，能够实现检测结果的定性分析，从而减少用药盲目性，提高药物治疗精准性。参考患者基因检测分型结果，结合患者病理生理情况，制定个体化疼痛药物治疗方案。
-
公开(公告)号：CN116162697A
公开(公告)日：2023-05-26
申请号：CN202211653866.3
申请日：2022-12-22
Applicant: 神州医疗科技股份有限公司
IPC: C12Q1/6883 , C12Q1/6858 , C12N15/11
Abstract: 本公开提供一种检测AERD相关药物基因多态性的引物探针组合、方法与应用，该方法包括：提取样本DNA，备用；分别配置阳性对照组和阴性对照组；将检测AERD相关药物基因多态性的引物探针组合分成12个反应体系，将引物、探针分别混合，再加入PCR缓冲液、dNTPs和Taq DNA聚合酶，制得12组反应液；将样本DNA、阳性对照组和阴性对照组分别加入反应液中，瞬时低速离心后制得待检测液进行扩增，每个循环实时采集荧光信号，进行检测结果分析。本公开基于药物基因组学对阿司匹林加重呼吸疾病相关药物基因的多态性进行检测，预测阿司匹林的敏感度，为患者用到安全有效的剂量提供有力依据，实现对阿司匹林的临床用药的指导。
-
公开(公告)号：CN115798722B
公开(公告)日：2023-05-26
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。
-
-
-
-
-
-
-
-
-
Search Results
189
records
(took 0.06 seconds)
