-
公开(公告)号:CN114999508A
公开(公告)日:2022-09-02
申请号:CN202210902896.7
申请日:2022-07-29
Applicant: 之江实验室
IPC: G10L21/02 , G10L21/0208 , G10L25/30
Abstract: 本发明公开了一种利用多源辅助信息的通用语音增强方法和装置,包括以下步骤:步骤S1:构建训练数据集;步骤S2:利用所述训练数据集对模型的网络参数进行学习,构建语音增强模型;步骤S3:通过预采集或者现场采集的方式构建声源信息数据库;步骤S4:获取语音增强模型的输入;步骤S5:将所述含噪原始信号作为所述语音增强模型的主输入,所述目标组辅助声源信号和所述干扰组辅助声源信号作为所述语音增强模型的旁输入进行语音增强,得到增强语音信号。本发明多类声源辅助声源信息提取辅助声源信号表征;对待增强的原始音频信息提取原始信号表征;将原始信号表征与辅助声源信号表征送入语音增强模型进行语音增强。
-
公开(公告)号:CN114565613B
公开(公告)日:2022-08-23
申请号:CN202210466102.7
申请日:2022-04-29
Applicant: 之江实验室
IPC: G06T7/00 , G06T7/62 , G06V10/25 , G06V10/26 , G06V10/762 , G06V10/82 , G06K9/62 , G16H50/20 , A61B6/00 , A61B6/03
Abstract: 本发明公开了一种基于有监督深度子空间学习的胰腺术后糖尿病预测系统。利用深度卷积神经网络自动分割术前CT胰腺区域,利用MITK软件进行胰腺切缘模拟,获得术后的残余胰腺区域,大大减小感兴趣区域标注的工作量。对残余胰腺区域提取传统影像组学特征和深层语义特征,构建高维影像特征集;提取与糖尿病相关的临床因素,包括胰腺切除率、脂肪与肌肉组织成分、人口学信息和生活习惯,构建临床特征集。基于一个有监督的深度子空间学习网络,对影像和临床特征在子空间中进行降维表示和融合,同时训练预测模型,挖掘与预测任务高度相关的敏感特征,对患者术后患糖尿病风险进行预测,具有较高的自动化程度和判别精度。
-
公开(公告)号:CN114566289B
公开(公告)日:2022-08-09
申请号:CN202210444327.2
申请日:2022-04-26
Applicant: 之江实验室
IPC: G16H50/70 , G16H50/50 , G06K9/62 , G06V10/762
Abstract: 本发明公开了一种基于多中心临床数据防作弊分析的疾病预测系统,本发明利用区块链技术共享伪数据,并让所有医疗机构在本地利用加权聚类模型根据伪数据计算数据质量系数,保证临床数据量少的医疗机构的真实临床数据能够被充分利用的同时还使得医疗机构无法对本地临床数据质量评价结果进行作弊。本发明设计的模型参数投票迭代机制,每轮迭代中根据投票结果保留一家医疗机构提供的模型参数,可以使得质量好的临床数据在模型训练中发挥更大作用。本发明设计的投票权的初始化和更新机制,以及在迭代投票过程中的作弊检测机制,让临床数据质量好的医疗机构拥有更多投票权,也防止了单家或多家医疗机构勾结篡改投票结果。
-
公开(公告)号:CN114780083A
公开(公告)日:2022-07-22
申请号:CN202210685209.0
申请日:2022-06-17
Applicant: 之江实验室
IPC: G06F8/34 , G06F3/0486 , G06F16/36 , G06F40/253 , G06F16/951 , G06F21/62 , G06F21/60
Abstract: 本发明公开了一种知识图谱系统的可视化构建方法及装置。本发明通过中心服务器确定分布客户端的数据权限。中心服务器得到知识图谱系统母模板并发送至分布客户端。分布客户端接收用户输入的自然语言,解析生成抽象语法树。用户通过可视化操作完成知识图谱系统子模板的定制。分布客户端将子模板加密后发送到中心服务器。在使用知识图谱系统时,输入任意知识概念,中心服务器便会调取子模板,解密之后检索数据库,生成树状结构知识图谱发送到分布客户端。分布客户端解析树状结构知识图谱,渲染生成符合输入要求的知识图谱。本发明能够直接生成各个研究领域的知识图谱系统而不需要前后端的二次开发,减轻开发人员负担,提高工作效率,降低维护成本。
-
公开(公告)号:CN113838182B
公开(公告)日:2022-03-22
申请号:CN202111406777.4
申请日:2021-11-24
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多线程的磁共振3D图像大数据量渲染方法及系统,本发明通过数据库存储图像数据,图像数据使用NIfTI格式进行描述,使用gzip对图像数据进行压缩,数据库与服务端交互,实现图像数据的存取和转发,客户端开辟子线程,通过服务端从数据库获取图像数据并渲染到浏览器页面上;服务端负责连通客户端和数据库,为客户端从数据库获取图像数据搭建桥梁;客户端主线程实现子线程管理和papaya渲染,子线程管理具体为开辟子线程、并负责与子线程进行通信,papaya渲染具体为将获取到的图像数据渲染到浏览器页面上、展示给用户。本发明可以解决前端浏览器页面渲染大数据量的磁共振3D图像的问题,且具有较高性能。
-
公开(公告)号:CN110349639B
公开(公告)日:2022-01-04
申请号:CN201910629244.9
申请日:2019-07-12
Applicant: 之江实验室
IPC: G16H10/00 , G06F16/33 , G06F16/215 , G06F16/242 , G06F16/25
Abstract: 本发明公开了一种基于通用医疗术语库的多中心医疗术语标准化系统,该系统包括源数据库、数据库连接管理模块、预分析模块、术语映射单元、增量更新模块、异常处理模块和多中心交互模块;本发明解决了多家医疗数据中心的医疗术语标准化问题,且保持各医疗数据中心医疗术语表达的一致性;自动化实现医疗数据中心源数据库的扫描与分析,并在此基础上实现存在标准编码的医疗术语的自动化映射;充分考虑医疗术语映射必然存在的复杂性,实现了自动化映射到模糊匹配映射再到自定义术语映射这样一个螺旋上升的过程;增量更新机制充分利用了以往的映射记录,极大地减轻了后续工作的压力,并大大提高了医疗术语映射的标准化程度。
-
公开(公告)号:CN111312401B
公开(公告)日:2021-12-17
申请号:CN202010038223.2
申请日:2020-01-14
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多标签学习的体检后慢性疾病预后系统,该系统包括数据获取模块、数据预处理模块、基础预测模型构建模块和本地预测模块;数据获取模块用于获取体检用户的体检数据;基础预测模型构建模块用于构建针对体检场景的多标签学习模型;本地预测模块包括本地模型训练单元和预测单元,本地模型训练单元将训练好的本地预测模型固化至本地预测模块内,预测单元输出对多个慢性疾病发生情况的预测预后指数,最终获得慢病未来预期发生时间。本发明系统使用多标签学习方法,能够对慢性疾病并发情况下的内部关系进行提取,更加符合慢性疾病高并发性的特点,能够更好地完成对未来慢性疾病发生情况的准确预测。
-
公开(公告)号:CN113434626A
公开(公告)日:2021-09-24
申请号:CN202110995013.7
申请日:2021-08-27
Applicant: 之江实验室
Abstract: 本发明公开了一种多中心医学诊断知识图谱表示学习方法及系统,本发明基于已有的医学诊断本体,以有向无环图的形式表示医学诊断概念的层级结构,构建全局医学诊断知识图谱;利用全局医学诊断知识图谱,构建所有疾病分类编码的共现矩阵,计算每对编码的共现信息,同时出现越多且距离越近的编码对,具有更大的共现信息;基于联邦学习,在保护各医疗机构参与方数据隐私和安全的前提下,利用多中心数据,加和共现信息,提高数据密度,解决数据稀疏问题;在对大规模知识图谱及原始数据进行学习的过程中,融入了知识源中符合人类认知的层级信息和复杂关联关系,挖掘数据之间的相关关系,丰富语义信息,学习知识的高质量表示形式,便于知识的计算与推理。
-
公开(公告)号:CN113053468B
公开(公告)日:2021-09-03
申请号:CN202110599266.2
申请日:2021-05-31
Applicant: 之江实验室
IPC: G16C20/50
Abstract: 本发明公开了一种融合患者画像信息的药物新适应症发现方法及系统,本发明在数据驱动的药物重定位方案中引入真实世界患者用药和患者诊断数据,将药物在更广泛的人群中的实际使用效果加入到新的药物‑疾病关系预测模型中;本发明通过构建患者画像作为患者信息的特征表达,并以此构建患者‑患者网络,作为药物和疾病网络中间的媒介,构建符合实际临床过程的异构网络体系;本发明预测结果更加贴近临床,在后续老药新用验证和新的临床试验中成功的可能性更大。
-
公开(公告)号:CN112530594A
公开(公告)日:2021-03-19
申请号:CN202110179779.8
申请日:2021-02-08
Applicant: 之江实验室
Abstract: 本发明公开了一种基于卷积生存网络的血透并发症长期风险预测系统,该系统包括数据采集模块、数据预处理模块、学习预测模块和结果展示模块;本发明利用卷积神经网络处理多维度的血透时序特征;卷积神经网络结合Cox比例风险假设,提出卷积生存网络;在利用卷积生存网络的基础上,采用Breslow估计基准风险函数,计算患者的长期风险变化情况。本发明可以充分利用医学研究中常见的截尾数据;应用卷积神经网络的主体架构,便于可视化分析,做出具有可解释性、具有启发性的结果;可以预测患者长期的风险变化情况。
-
-
-
-
-
-
-
-
-