-
公开(公告)号：CN110399609B
公开(公告)日：2023-12-01
申请号：CN201910554487.0
申请日：2019-06-25
Applicant: 众安信息技术服务有限公司
IPC: G06F16/35 , G06F40/279 , G06F40/295 , G06F40/30 , G06N3/0464
Abstract: 本发明公开了一种意图识别方法、装置、设备及计算机可读存储介质，属于深度学习技术领域。所述方法包括：将待意图识别数据与泛化后的意图分类表进行匹配，获取初步意图识别结果；将所述待意图识别数据进行实体识别，获取实体识别结果；结合所述实体识别结果和所述初步意图识别结果，进行意图识别，获取最终意图识别结果。本发明实现了较细致的意图分类和较高的意图识别准确率，尤其适用于垂直领域的意图识别应用。
-
公开(公告)号：CN109754388B
公开(公告)日：2021-03-16
申请号：CN201811472202.0
申请日：2018-12-04
Applicant: 众安信息技术服务有限公司
Abstract: 本发明公开一种颈动脉狭窄程度计算方法、装置及存储介质，方法包括：S1接收颈部MRA影像，并对颈部MRA影像中的第一序列和第二序列进行层间配准，以形成层间对应关系；S2从配准好的第一序列的每层影像中分别提取横断位血管，并计算各个横断位血管的血管面积；S3从配准好的第二序列的每层影像中分别提取横断位血液目标，并计算各个横断位血液目标的血液面积；S4根据层间对应关系，将各个横断位血管的血管面积分别与对应的各个横断位血液目标的血液面积代入计算公式，计算得到多个颈动脉狭窄程度；S5将多个颈动脉狭窄程度中的最大值输出作为颈部MRA影像的颈动脉狭窄程度。本发明实施例能够实现自动计算颈动脉狭窄程度，进而提升医生的诊断效率及准确率。
-
公开(公告)号：CN109979591B
公开(公告)日：2021-01-01
申请号：CN201910184156.2
申请日：2019-03-12
Applicant: 众安信息技术服务有限公司
Abstract: 本发明公开了一种基于图神经网络分析斑块进展因子的方法及装置，属于神经网络技术领域，方法包括步骤：S1：构建图网络，图网络中的各结点表示影响斑块进展的各因子，各结点之间的边表示各因子之间的关系；S2：基于斑块进展的第一阶段、第二阶段时各自的因子数据，获取用于表示图网络的属性的读出函数，其中，第二阶段发生在第一阶段之后；S3：基于读出函数，对由第一阶段时的因子数据所构建的图网络进行消息传播，构建具有N层图网络的图神经网络模型，N为正整数；S4：基于图神经网络模型对各因子进行分析。本发明实施例通过构建图神经网络模型，并利用图神经网络对影响斑块进展的各因子进行分析，从而对脑血管疾病的病因分析起到一定的辅助作用。
-
公开(公告)号：CN109325040A
公开(公告)日：2019-02-12
申请号：CN201810768888.1
申请日：2018-07-13
Applicant: 众安信息技术服务有限公司
IPC: G06F16/242 , G06F16/2455
Abstract: 本发明公开了一种FAQ问答库泛化方法、装置及设备，属于人工智能和自然语言处理技术领域。所述方法包括：对FAQ问答库进行等价句式整理，获取等价句式模式数据；根据实体关键词列表对所述FAQ问答库的问答对的问句进行包括自然语言处理操作的前置处理，获取所述问答对的问句句式类型和实体；根据所述等价句式模式数据，生成所述问答对的问句的等价问句，获得泛化的问答对。本发明通过等价句式的扩展，提高了FAQ问答库的泛化能力，利用这样的FAQ问答库作为后继与用户问句匹配的参考集合，能够进一步提高用户问句回答的召回率和准确率，在涉及FAQ的诸多技术领域具有良好的应用前景。
-
公开(公告)号：CN109087306A
公开(公告)日：2018-12-25
申请号：CN201810686592.5
申请日：2018-06-28
Applicant: 众安信息技术服务有限公司
CPC classification number: G06T7/11 , G06N3/0454 , G06T5/001 , G06T2207/20081 , G06T2207/20084 , G06T2207/30101
Abstract: 本发明公开了动脉血管图像模型训练方法、分割方法、装置及电子设备，属于数字图像处理技术领域，动脉血管图像模型训练方法包括：S1、对获取到的DSA图像进行预处理，以构建动脉血管图像库；S2、对动脉血管图像库中的部分样本图像进行标注，以构建标注样本图像集；S3、构建卷积深度网络，并设置深度网络参数，生成初始动脉血管分割模型；S4、使用标注样本图像集训练初始动脉血管分割模型，生成动脉血管图像分割模型；S5、对于使用动脉血管图像分割模型分割动脉血管图像库中除部分样本图像之外的其他图像得到的血管目标图像，进一步进行标注，以对动脉血管图像分割模型进行迭代训练。本发明实施例能够较高精度地对DSA图像进行目标血管提取。
-
Patent Agency Ranking
公开(公告)号：CN109408627B
公开(公告)日：2021-03-02
申请号：CN201811371591.8
申请日：2018-11-15
Applicant: 众安信息技术服务有限公司
IPC: G06F16/332 , G06F16/36 , G06N3/04
Abstract: 本发明公开了一种融合卷积神经网络和循环神经网络的问答方法及系统，方法包括：根据用户输入的问句，获取问句的实体以及实体的查询ID；根据实体将问句简化成问句模式；根据查询ID收集实体的相关属性，生成候选属性列表；将问句模式以及候选属性列表输入预先训练好的属性判别器中，获取每个候选属性与问句的得分；根据得分判定与问句最相近的属性关系，取出最相近的属性关系的属性值完成回答。本发明利用字典树的方法实现快速的实体定位，可以满足高并发的商业系统，且可以减少无谓的字符串比较，提高查询效率，通过基于神经网络的方法进行属性推断，利用向量化的数值计算不需要人工整理模板，能够有效解决人工整理的操作繁杂以及不完备等问题。
-
公开(公告)号：CN110399609A
公开(公告)日：2019-11-01
申请号：CN201910554487.0
申请日：2019-06-25
Applicant: 众安信息技术服务有限公司
IPC: G06F17/27
Abstract: 本发明公开了一种意图识别方法、装置、设备及计算机可读存储介质，属于深度学习技术领域。所述方法包括：将待意图识别数据与泛化后的意图分类表进行匹配，获取初步意图识别结果；将所述待意图识别数据进行实体识别，获取实体识别结果；结合所述实体识别结果和所述初步意图识别结果，进行意图识别，获取最终意图识别结果。本发明实现了较细致的意图分类和较高的意图识别准确率，尤其适用于垂直领域的意图识别应用。
-
公开(公告)号：CN108537328A
公开(公告)日：2018-09-14
申请号：CN201810329668.9
申请日：2018-04-13
Applicant: 众安信息技术服务有限公司
Abstract: 本发明提供了一种用于可视化构建神经网络的方法。该方法包括：基于神经网络的类型，确定神经网络中的层节点的参数类型；设置层节点的参数值；基于层节点的参数值生成相应的第一配置文件；基于第一配置文件确定层节点之间的计算顺序；以及基于层节点的参数类型和参数值、用于训练神经网络的参数值以及选定的神经网络的计算框架，构建神经网络。采用本发明的用于可视化构建神经网络的方法使得用户无需编写任何代码，只需要拖拽可视化的相应的层节点并做相应的参数设置即可完成神经网络的构建。
-
公开(公告)号：CN108765413B
公开(公告)日：2023-05-30
申请号：CN201810586988.2
申请日：2018-06-08
Applicant: 众安信息技术服务有限公司 , 复旦大学附属华山医院北院
IPC: G06T7/00 , G06V10/764
-
公开(公告)号：CN109003679B
公开(公告)日：2021-06-08
申请号：CN201810687069.4
申请日：2018-06-28
Applicant: 众安信息技术服务有限公司 , 复旦大学附属华山医院北院
Abstract: 本发明公开了一种脑血管出血与缺血预测方法及装置，属于人工智能技术领域，方法包括步骤：S1、利用相关医疗病史数据构建第一训练数据集；S2、构建多个医疗数据预测模型，并使用所述第一训练数据集训练所述多个医疗数据预测模型；S3、利用脑部动脉医疗影像数据构建第二训练数据集；S4、构建多个医疗图像预测模型，并使用所述第二训练数据集训练所述多个医疗图像预测模型；S5、对训练好的所述多个医疗数据预测模型和训练好的所述多个医疗图像预测模型进行融合，以对目标患者的脑血管出血与缺血进行预测。本发明实施例可以实现对于患者是否会发生脑血管出血与缺血现象进行快速、准确地预测。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.031 seconds)
