公开(公告)号：CN112205965A

公开(公告)日：2021-01-12

申请号：CN202010884840.4

申请日：2020-08-28

Applicant: 北京大学

Inventor： 王亚沙 ,  马连韬 ,  余志浩 ,  焦贤锋 ,  周佳慧 ,  马辛宇

IPC: A61B5/00

Abstract: 本发明公开了一张基于时间窗口切割的健康风险关键事件检测方法及系统，方法包括：S100、将患者的电子病历输入训练好的深度学习模型中，获取患者每次就诊生理指标的重要指数和死亡风险指数；S200、将患者健康风险关键事件检测的目标按时间窗口分为四种类型，基于获取的各生理指标的重要指数和死亡风险指数，对所述四种类型分别进行检测，筛选出需要提出健康风险关键事件的生理指标；S300、基于可视化界面，展示患者健康风险关键事件检测过程以及检测结果。本发明可以从医院的病人电子病历数据中挖掘出更多有价值有参考意义的信息来帮助医生进行诊断。

公开(公告)号：CN117807063A

公开(公告)日：2024-04-02

申请号：CN202311595548.0

申请日：2023-11-27

Applicant: 北京大学

Inventor： 赵俊峰 ,  王亚沙 ,  马连韬 ,  丁泓馨 ,  宋家和

IPC: G06F16/215 ,  G06F16/25

Abstract: 本申请提供一种面向知识抽取模型全生命周期管理方法、装置及相关产品，可用于人工智能技术领域。该方法包括：获取多个预设数据集；将各预设数据集中的数据转换为统一规定格式，并进行数据清洗处理及模型特有的特征抽取处理，以获得各处理后数据集；从Git仓库中获取各预设知识抽取模型；采用各处理后数据集分别对各预设知识抽取模型进行自动训练及评估，以获得各处理后数据集对应的最优预设知识抽取模型；获取待确认的目标数据集，并基于目标数据集与多个候选处理后数据集的相似度确定目标数据集对应的最优目标知识抽取模型；采用最优目标知识抽取模型对目标数据集进行预测。

公开(公告)号：CN112289444B

公开(公告)日：2023-09-19

申请号：CN202010946290.4

申请日：2020-09-10

Applicant: 北京大学

Inventor： 王亚沙 ,  马连韬 ,  焦贤锋 ,  周佳慧 ,  高俊逸 ,  张超贺

IPC: G16H50/30 ,  G16H50/70 ,  G16H10/60 ,  G06F18/22 ,  G06F18/23213 ,  G06F18/2135 ,  G06F18/2413

Abstract: 本发明涉及一种患者潜在重要信息的确定方法和装置。所述确定方法包括：获取所有患者每次就诊的健康状态数据，患者每次就诊的健康状态数据基于患者每次就诊的电子病历得到，患者第T次就诊的电子病历包括患者前T次就诊的全部电子病历，T为正整数；基于所有患者每次就诊的健康状态数据，确定目标患者最后一次就诊的同类患者，所述目标患者最后一次就诊的健康状态与所述同类患者的健康状态相似；基于所述目标患者最后一次就诊的同类患者的电子病历，确定所述目标患者的患者潜在重要信息，所述患者潜在重要信息包括人口统计学信息、基础病症信息和治疗结局信息。

公开(公告)号：CN112289444A

公开(公告)日：2021-01-29

申请号：CN202010946290.4

申请日：2020-09-10

Applicant: 北京大学

Inventor： 王亚沙 ,  马连韬 ,  焦贤锋 ,  周佳慧 ,  高俊逸 ,  张超贺

IPC: G16H50/30 ,  G16H50/70 ,  G16H10/60 ,  G06K9/62

Abstract: 本发明涉及一种患者潜在重要信息的确定方法和装置。所述确定方法包括：获取所有患者每次就诊的健康状态数据，患者每次就诊的健康状态数据基于患者每次就诊的电子病历得到，患者第T次就诊的电子病历包括患者前T次就诊的全部电子病历，T为正整数；基于所有患者每次就诊的健康状态数据，确定目标患者最后一次就诊的同类患者，所述目标患者最后一次就诊的健康状态与所述同类患者的健康状态相似；基于所述目标患者最后一次就诊的同类患者的电子病历，确定所述目标患者的患者潜在重要信息，所述患者潜在重要信息包括人口统计学信息、基础病症信息和治疗结局信息。

公开(公告)号：CN117521802A

公开(公告)日：2024-02-06

申请号：CN202311517351.5

申请日：2023-11-14

Applicant: 北京大学

Inventor： 赵俊峰 ,  王亚沙 ,  马连韬 ,  王志远 ,  丁泓馨 ,  宋家和

IPC: G06N5/025 ,  G06F18/25 ,  G06F18/24 ,  G06F18/214 ,  G06F18/27 ,  G06F18/20

Abstract: 本申请提供一种融合预训练语言模型的知识抽取方法及系统，涉及自然语言处理技术领域。通过获取应用预训练语言模型对知识抽取对象进行序列标注和实体类别分类的生成式输出，并应用超参平滑该生成式输出的边界，得到知识浓度矩阵，进一步根据知识浓度矩阵、文本长度特征矩阵和应用知识抽取模型对知识抽取对象进行知识抽取得到的第一知识抽取结果，确定知识抽取对象对应的第二知识抽取结果，利用预训练语言模型增强知识抽取模型的性能，提高知识抽取的准确性。

公开(公告)号：CN112151182A

公开(公告)日：2020-12-29

申请号：CN202010817792.7

申请日：2020-08-14

Applicant: 北京大学

Inventor： 王亚沙 ,  马连韬 ,  焦贤锋 ,  张超贺 ,  余志浩

IPC: G16H50/70 ,  G16H50/20 ,  G16H50/30 ,  G16H10/60

Abstract: 本发明公开了一种基于贪心搜索的智能医疗建议生成方法及系统，方法包括：S100、将患者的电子病历输入训练好的深度学习模型中，获取患者每次就诊生理指标的重要指数和死亡风险指数；S200、对患者每次就诊生理指标的重要指数和死亡风险指数进行贪心搜索，得到患者各生理指标的调整方案，生成针对该患者的智能医疗建议；S300、基于可视化界面，展示智能医疗建议。本发明可以从医院的病人电子病历数据中挖掘出了更多有价值有参考意义的信息来帮助医生进行诊断。