-
公开(公告)号：CN116894436B
公开(公告)日：2023-12-15
申请号：CN202311143040.7
申请日：2023-09-06
Applicant: 神州医疗科技股份有限公司
IPC: G06F40/295 , G06F40/279 , G16H20/00 , G16H50/20 , G06N3/045
Abstract: 本发明公开了基于医学命名实体识别的数据增强方法及系统，本方案将标注好的医学文本数据进入bert模型后得到文本的向量表示，通过变分自编码算法（VAE），生成和原始文本相似的新的向量。为了保持原有的标注位置及标注信息，将生成的新向量与实体的起始、结束位置以及实体的长度向量进行叠加，最后送入模型进行训练，通过生成算法生成相似的向量，从而达到数据增强的效果，提升各类训练模型的泛化性能，进一步提高康复医学诊断、方案制定或者辅助治疗的效率。
-
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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN116501533B
公开(公告)日：2023-08-25
申请号：CN202310759103.5
申请日：2023-06-26
Applicant: 神州医疗科技股份有限公司
IPC: G06F11/07 , G06F16/22 , G06F16/2458
Abstract: 本发明提供了一种异步队列任务的报错处理方法及系统，该方法包括以下步骤：S1：将诊断文本进行分组预处理，并存入消息队列中；S2：从消息队列中逐组取出消息，并通过API接口压入第一数据库中；S3：异步任务开启，从第一数据库获取队列消息，解析后送入到抽取模型中执行关系抽取任务，若执行失败，则向第二数据库写入识别键值；S4：继续获取队列消息，并判断识别键值是否与当前消息的键对应，若对应，则当前消息跳过关系抽取任务；S5：重复S3‑S4步骤，直到消息处理完毕。本发明所提供的一种异步队列任务的报错处理方法及系统，通过获取异常任务的任务ID+时间戳作为唯一标识，从而判断后续任务是否可以直接跳过不处理，进而达到减少消息处理时间的目的。
-
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：CN116468972A
公开(公告)日：2023-07-21
申请号：CN202310540142.6
申请日：2023-05-15
Applicant: 神州医疗科技股份有限公司
IPC: G06V10/774 , G06V10/764 , G16H30/20 , G06T7/00
Abstract: 本公开的实施例公开了图像处理方法、装置、电子设备和计算机可读介质，图像处理技术领域。该方法的具体实施方式包括：获取初始图像，并确定初始图像的图像标签；根据初始图像和初始图像的图像标签对初始图像识别模型进行训练，得到目标图像识别模型；响应于图像输入指令，获取目标图像，将目标图像输入目标图像识别模型，得到图像处理结果。该实施方式可以通过获取科室上传的病理相关的图像，对该图像进行特征标注，并利用这些图像进行模型训练，由此，可以在响应于图像输入指令，获取目标图像的情况下，将目标图像输入目标图像识别模型，得到图像处理结果，提高了图像识别准确率以及医务人员工作效率。
-
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。
-
公开(公告)号：CN115631868B
公开(公告)日：2023-04-21
申请号：CN202211461585.8
申请日：2022-11-17
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明提供了一种基于提示学习模型的传染病预警直报方法和系统，涉及医疗信息化技术领域，包括如下步骤：获取不同医院的原始诊断疾病数据，提取所述原始诊断疾病数据中的诊断描述；基于所述诊断描述构建诊断描述的集合；获取不同传染病的规范名称，基于所述规范名称构建传染病名称集合；基于语言模型对诊断描述的集合中的每个诊断描述与传染病名称集合中的每个规范名称进行比对，判断是否匹配，当任一诊断描述与任一规范名称判断为匹配时上报预警。避免了碍于各个地区的医生的诊断业务能力不同，对传染病进行个性化的诊断描述或自定义的诊断描述，导致传染病不能够被及时发现，提高了识别传染病的准确度。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.047 seconds)
