-
公开(公告)号：CN119132500A
公开(公告)日：2024-12-13
申请号：CN202411094341.X
申请日：2024-08-09
Applicant: 四川省医学科学院·四川省人民医院 , 北京诺道认知医学科技有限公司
Abstract: 本发明提供一种基于大语言模型的老年多重用药的决策方法及装置，涉及数据处理技术领域，将目标用户的用户信息输入关键信息提取模型，得到所述目标用户的关键医学信息；将所述关键医学信息通过开源向量模型进行向量化处理后，得到关键医学向量信息；在向量数据库中，获取与所述关键医学向量信息匹配的多重用药以及合并症的临床路径，并通过知识图谱大语言模型，将所述临床路径转换为三元组信息以及对应的描述信息；其中，所述三元组信息包括：节点、关系、属性；基于EviMed base模型，结合所述三元组信息和描述信息，进行临床路径文本的总结生成，生成与用户信息相对应的多重用药以及合并症管理的临床路径推理结果。
-
公开(公告)号：CN110866124B
公开(公告)日：2022-05-31
申请号：CN201911077284.3
申请日：2019-11-06
Applicant: 北京诺道认知医学科技有限公司
Abstract: 本发明实施例提供一种基于多数据源的医学知识图谱融合方法及装置。其中，方法包括：分别基于第一医学知识图谱和第二医学知识图谱进行知识表示学习，获取各第一初始向量和各第二初始向量；基于预先获取的参考向量集，将各第一初始向量和各第二初始向量映射到参考向量空间中，获取各第一映射向量和各第二映射向量；根据各第一映射向量和各第二映射向量，对第一医学知识图谱和第二医学知识图谱中的知识进行融合，获取融合后的医学知识图谱。本发明实施例提供的基于多数据源的医学知识图谱融合方法及装置，基于知识表示学习的方法，通过利用知识图谱内部的逻辑性，能获得内部逻辑性和表达能力更强的融合后的医学知识图谱。
-
公开(公告)号：CN111243736A
公开(公告)日：2020-06-05
申请号：CN201911019274.4
申请日：2019-10-24
Applicant: 中国人民解放军海军军医大学第三附属医院 , 北京诺道认知医学科技有限公司
Abstract: 本发明实施例提供一种生存风险评估方法及系统。该方法包括：获取筛选风险变量集及筛选风险变量模型系数；其中筛选风险变量集是由初始风险变量集基于COX比例风险回归模型和逐步后向算法获取；筛选风险变量模型系数是基于生存风险预测模型获取；基于筛选风险变量集和筛选风险变量模型系数构建生存风险评估量表；将待评估个体的若干信息数据输入至生存风险评估量表，得到待评估个体的生存风险评估量化值和个体生存风险等级。本发明实施例通过获取实际应用的随访数据，通过风险回归模型和逐步回归智能筛选出重要风险因子，自动构建生存风险评估量表，输出生存风险值和对应风险等级，覆盖内容更加全面，实用性更强。
-
公开(公告)号：CN108766587A
公开(公告)日：2018-11-06
申请号：CN201810449795.2
申请日：2018-05-11
Applicant: 北京诺道认知医学科技有限公司
IPC: G16H70/40
CPC classification number: G16H70/40
Abstract: 本发明实施例提供一种基于指定药物构建给药数据库的方法及装置，所述方法包括：在预设时段内获取对待检测人体的针对指定药物的给药信息，生成给药策略单元；根据所述给药前检测项和所述给药后检测项分别对应的检测结果评估所述给药信息的用药效果；若所述用药效果未达到预设指标，更新所述给药信息；若更新次数大于等于1，将相同给药信息对应的给药策略单元进行合并，以获取目标给药策略单元；获取所有目标给药策略单元，将每一个目标给药策略单元的给药前检测项作并集处理，并将并集处理结果存储至第一类型给药数据库。所述装置执行上述方法。本发明实施例提供的方法及装置，能够提高指定药物的用药效率、并降低服药、检测等医疗成本。
-
公开(公告)号：CN111243736B
公开(公告)日：2023-09-01
申请号：CN201911019274.4
申请日：2019-10-24
Applicant: 中国人民解放军海军军医大学第三附属医院 , 北京诺道认知医学科技有限公司
IPC: G16H50/30 , G06F18/214 , G06F18/2413
Abstract: 本发明实施例提供一种生存风险评估方法及系统。该方法包括：获取筛选风险变量集及筛选风险变量模型系数；其中筛选风险变量集是由初始风险变量集基于COX比例风险回归模型和逐步后向算法获取；筛选风险变量模型系数是基于生存风险预测模型获取；基于筛选风险变量集和筛选风险变量模型系数构建生存风险评估量表；将待评估个体的若干信息数据输入至生存风险评估量表，得到待评估个体的生存风险评估量化值和个体生存风险等级。本发明实施例通过获取实际应用的随访数据，通过风险回归模型和逐步回归智能筛选出重要风险因子，自动构建生存风险评估量表，输出生存风险值和对应风险等级，覆盖内容更加全面，实用性更强。
-
Patent Agency Ranking
公开(公告)号：CN110825862A
公开(公告)日：2020-02-21
申请号：CN201911076578.4
申请日：2019-11-06
Applicant: 北京诺道认知医学科技有限公司
IPC: G06F16/332 , G06F16/36 , G16H70/40
Abstract: 本发明实施例提供一种基于药学知识图谱的智能问答方法及装置。其中，方法包括：获取对当前问题的回答；若判断获知对当前问题的回答与当前待回答节点所表示的信息相匹配，则根据下一待回答节点输出问题；其中，当前问题，是根据当前待回答节点输出的；待回答节点，为所表示的信息不能根据初始输入信息获取的中间节点；中间节点为规则路径上的中间节点；规则路径是根据初始输入信息搜索药学知识图谱获得的，规则路径上的起始节点所表示的信息与初始输入信息中患者的疾病信息相匹配。本发明实施例提供的基于药学知识图谱的智能问答方法及装置，通过药学知识图谱进行智能问答，问答过程符合专业的用药规则，能提高智能问答的准确性和实用性。
-
公开(公告)号：CN108630312A
公开(公告)日：2018-10-09
申请号：CN201810449242.7
申请日：2018-05-11
Applicant: 北京诺道认知医学科技有限公司
Abstract: 本发明实施例公开一种高血压诊断规则库自动生成方法及装置，其中，方法包括：获取目标用户数据，基于所获取的目标用户数据建立目标用户数据库；根据目标用户数据库，利用XGBoost算法，构建高血压智能诊断模型；从高血压智能诊断模型中自动抽取高血压诊断规则，生成高血压诊断规则库。本发明实施例能够自动生成诊断准确率高的高血压诊断规则库，同时这种利用机器学习自动生成高血压诊断规则库的方法可取代人工规则整理，避免人为误差。
-
公开(公告)号：CN113918695A
公开(公告)日：2022-01-11
申请号：CN202111172879.4
申请日：2021-10-08
Applicant: 浙江大学医学院附属第一医院 , 北京诺道认知医学科技有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F16/532 , G06F16/583 , G06F40/194 , G06F40/295 , G06F40/30 , G16H50/70 , G06N3/08
Abstract: 本发明提供一种面向疾病和用药管理的实体链指方法及装置。所述方法包括：获取目标文本；基于XLNET的命名实体识别模型识别目标文本中包括的至少一个目标实体，并确定各目标实体所属的实体类别；根据目标实体和目标实体所属的实体类别，确定各目标实体对应的至少一个候选实体；计算各目标实体与其对应的各候选实体的相似度，并根据各目标实体与其对应的各候选实体的相似度，确定至少一个目标实体的实体链指结果。本发明可以从语义层面描述目标实体与候选实体之间的相似程度，从而提高实体链指的准确性。
-
公开(公告)号：CN113270203A
公开(公告)日：2021-08-17
申请号：CN202110426774.0
申请日：2021-04-20
Applicant: 郑州大学第一附属医院 , 北京诺道认知医学科技有限公司
Abstract: 本发明提供一种药物剂量预测方法、装置、电子设备及存储介质，应用于数据处理技术领域，可以针对不同患者确定更加精准的药物使用剂量。该方法包括：获取目标患者的临床原始数据，所述临床原始数据包括人口统计学信息、治疗药物使用信息、联合用药信息、辅助治疗手段、基因多态性、检验信息；对所述临床原始数据进行数据预处理后，得到目标特征数据，所述数据预处理包括数据清洗、数据规范化编码、数据筛选中的至少一个；将所述目标特征数据输入药物剂量预测模型，得到单位时间内所述目标患者的用药剂量。
-
公开(公告)号：CN112347773A
公开(公告)日：2021-02-09
申请号：CN202011159163.6
申请日：2020-10-26
Applicant: 北京诺道认知医学科技有限公司
IPC: G06F40/284 , G06F40/30
Abstract: 本发明实施例提供的一种基于BERT模型的医学应用模型训练方法及装置，该方法包括：获取循证医学训练样本；对所述循证医学训练样本进行实体词汇屏蔽，得到MLM训练样本；利用所述MLM训练样本对BERT模型进行MLM训练，得到PICO‑BERT模型；其中，所述实体词汇对应于循证医学中具有实际意义的实体；利用屏蔽实体词汇得到的MLM训练样本进行MLM训练，得到PICO‑BERT模型，从而增强模型的整体语义表征能力，使得训练的PICO‑BERT模型语义理解能力更强，对特定领域复杂场景的自然语言问题处理能力更强，能够更好地在医学领域适用，提高医学领域特定研究场景下的自然语言的理解能力。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.066 seconds)
