-
公开(公告)号：CN114664452B
公开(公告)日：2022-09-23
申请号：CN202210547826.4
申请日：2022-05-20
Applicant: 之江实验室
Abstract: 本发明公开了一种基于因果校验数据生成的全科多疾病预测系统，本发明针对全科场景，从因果性的角度出发，提出了基于全科倾向性得分网络的倾向性得分计算方法；相较于传统生成式对抗网络可解释性差的问题，本发明提出了基于因果校验的生成式对抗网络，使得生成的数据更加符合真实的因果逻辑；针对现有图卷积神经网络仅从相关性角度建模的问题，本发明提出了基于全科因果图卷积神经网络的全科多疾病预测模型，融入因果效应值以提升全科多疾病预测系统对疾病的预测性能，解决了全科场景因训练样本少导致模型表现差以及鲁棒性不高的问题。
-
公开(公告)号：CN117311760B
公开(公告)日：2024-09-06
申请号：CN202311237605.8
申请日：2023-09-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于服务类型传输策略的医疗服务部署方法，该方法通过中心服务器将各个医疗服务自动传输至对应的医疗机构中，使得各医疗机构能够自动更新docker镜像后启动医疗服务，从而实现了自动更新医疗机构节点配置，即医疗机构的docker镜像来启动对应的医疗服务，降低了运维人员的工作量，工作效率较高，并且本发明通过将医疗服务分类传输，依据不同类型的医疗服务采用不同的策略以加快传输速度，尽快完成医疗服务的部署。
-
公开(公告)号：CN116936108B
公开(公告)日：2024-01-02
申请号：CN202311209085.X
申请日：2023-09-19
Applicant: 之江实验室
IPC: G16H50/30 , G06F16/36 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种面向不平衡数据的疾病预测系统，包括知识图谱构建及关系权重向量计算模块，用于构建医用知识图谱，利用医用知识图谱计算每个概念的关系权重向量；图数据表示模块，用于获取医疗图数据并学习医疗图数据的嵌入表示；图数据增广模块，用于利用GAN模型对医疗图数据中的不平衡数据进行增广，使数据保持平衡；图神经网络训练模块，用于利用增广后的医疗图数据训练第二图神经网络模型；疾病预测模块，用于将患者的图数据输入训练好的第二图神经网络模型中进行疾病预测。本发明利用知识图谱中丰富的关系信息提高生成边的质量；结合对抗生成网络模型，能够生成更真实的图数据
-
公开(公告)号：CN117311760A
公开(公告)日：2023-12-29
申请号：CN202311237605.8
申请日：2023-09-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于服务类型传输策略的医疗服务部署方法，该方法通过中心服务器将各个医疗服务自动传输至对应的医疗机构中，使得各医疗机构能够自动更新docker镜像后启动医疗服务，从而实现了自动更新医疗机构节点配置，即医疗机构的docker镜像来启动对应的医疗服务，降低了运维人员的工作量，工作效率较高，并且本发明通过将医疗服务分类传输，依据不同类型的医疗服务采用不同的策略以加快传输速度，尽快完成医疗服务的部署。
-
公开(公告)号：CN116994687A
公开(公告)日：2023-11-03
申请号：CN202311272949.2
申请日：2023-09-28
Applicant: 之江实验室
Abstract: 本发明公开了一种基于反事实对比的临床决策支持模型解释系统，该系统包括用于解读待解释的决策支持模型的模型基础信息的模型解读模块；用于得到反事实状态的患者数据的反事实数据生成模块；用于解释待解释的决策支持模型并给出反事实对比解释的反事实对比解释模块。本发明利用反事实对比的方法，对比患者数据与反事实状态的患者数据在相同临床决策支持模型下的决策差异，获得具有因果解释性的反事实对比解释，解决了传统全局解释方法因果解释性不足的问题。本发明提供患者个体的局部解释的同时还能够提供全局解释，解决了传统局部解释方法全局泛化性差且无法给出全局解释的问题。
-
Patent Agency Ranking
公开(公告)号：CN116525117B
公开(公告)日：2023-10-10
申请号：CN202310809676.4
申请日：2023-07-04
Applicant: 之江实验室
IPC: G06F17/00
Abstract: 本发明公开了一种面向数据分布漂移检测与自适应的临床风险预测系统，包括：中心服务器和节点；中心服务器包括第一漂移检测模块和模型聚合模块；节点包括数据采集模块、第二漂移检测模块和模型更新模块；数据采集模块用于获取患者临床诊疗数据；第一漂移检测模块和第二漂移检测模块根据新/旧患者临床诊疗数据集是否来源于同一数据分布判定患者临床诊疗数据分布是否发生了漂移；当患者临床诊疗数据分布发生漂移时，训练本地临床风险预测模型，将其参数上传至中心服务器，对各个模型参数进行聚合，得到更新后的临床风险预测模型，并下发至各节点进行部署；将新患者临床诊疗数据输入至更新后的临床风险预测模型，得到临床风险预测结果。
-
公开(公告)号：CN116759041A
公开(公告)日：2023-09-15
申请号：CN202311057070.6
申请日：2023-08-22
Applicant: 之江实验室
IPC: G16H10/60 , G16H50/70 , G06N3/0455 , G06N3/0442 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种考虑诊疗事件关系的医疗时序数据生成方法，包括：基于患者就诊信息获取诊疗事件集合和就诊集合；采用训练好的就诊自编码器模型的编码器、就诊长短期记忆自编码器模型、就诊长短期记忆自编码器模型解码器辅助的生成对抗网络获取重构的就诊嵌入表示，将重构的就诊嵌入表示输入到训练好的就诊自编码器模型的解码器获取重构的就诊多热编码，根据重构的就诊多热编码得到重构的就诊中包含的诊疗事件，最终输出带有时序信息且包含多个诊疗事件的医疗数据。本发明还公开了一种考虑诊疗事件关系的医疗时序数据生成装置。本发明方法可以获取融合时序信息且包含丰富的诊疗事件的医疗数据，同时减少了生成数据出现逻辑不合理的情况。
-
公开(公告)号：CN116168789A
公开(公告)日：2023-05-26
申请号：CN202310456988.1
申请日：2023-04-26
Applicant: 之江实验室
IPC: G16H10/00 , G06F21/60 , G06F21/62 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种多中心医疗数据生成系统，包括医疗数据量权重计算模块、多中心对抗生成网络训练模块和多中心医疗数据生成模块，在各家医疗机构不公开真实数据量的情况下计算各家医疗机构的医疗数据量权重；采用生成器和判别器分离的架构，在计算服务器中构造并训练生成器，在各个医疗机构构造并训练判别器，各家医疗机构仅将带权重的生成器损失发送给计算服务器；计算服务器聚合带权重的生成器损失，更新生成器；利用训练完成的生成器生成多中心合成医疗数据，提供给用户使用。本发明还提供了一种多中心医疗数据生成方法。本发明可以更好的保护患者隐私和数据安全，能够得到更符合真实的多中心医疗数据分布的合成医疗数据。
-
公开(公告)号：CN113990495B
公开(公告)日：2022-04-29
申请号：CN202111609275.1
申请日：2021-12-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于图神经网络的疾病诊断预测系统，该系统包括知识图谱构建模块、数据提取与预处理模块、疾病诊断模型构建模块和疾病诊断模型应用模块。本发明有效整合知识图谱中的专家知识和电子病历数据，构建异构图网络。在异构图网络上，利用图卷积神经网络方法，学习异构图网络的局部信息和全局信息。疾病诊断模型可以对知识和数据同时进行端到端的训练。在模型优化目标中，除了优化疾病预测任务，同时加入对知识关系的监督信息，从而保证疾病预测任务可以有效利用知识，也保证知识表示不受数据噪声的影响。针对预测疾病数量多，部分疾病对应患者数量有限的问题，设计多标签层次分类，用于提高少样本类别疾病的预测效果。
-
公开(公告)号：CN111312393A
公开(公告)日：2020-06-19
申请号：CN202010038992.2
申请日：2020-01-14
Applicant: 之江实验室
Abstract: 本发明公开了一种结合主动学习的时序深度生存分析系统，该系统包括数据采集模块、主动学习模块、时序深度生存分析模块；数据采集模块用于获取待分析对象的生存数据；主动学习模块结合主动学习方法选择部分右删失数据标注生存时间；时序深度生存分析模块构建时序深度生存分析神经网络模型，将未删失数据和右删失数据作为模型输入，得到待分析对象的生存时间预测结果。本发明能够充分利用生存数据中的右删失数据及时序特征。较之以往传统的生存分析模型，本发明解决了高维度数据难处理的问题，以及生存分析中仅有少量未删失数据情况下模型表现不佳的问题；同时增加了数据时间维度特征的提取和利用，扩大了模型的应用范围，提高了模型的表现效果。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.02 seconds)
