-
公开(公告)号：CN117809792A
公开(公告)日：2024-04-02
申请号：CN202410221624.X
申请日：2024-02-28
Applicant: 神州医疗科技股份有限公司
IPC: G16H10/60 , G06F16/31 , G06F16/35 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种跨病种迁移时病种数据结构化的方法及系统；该方法包括：S1、构建问题库；S2、输出目标病种BERT语言模型和其它病种BERT语言模型；S3、过滤出目标病种句；S4、将目标病种句输入至目标病种BERT语言模型中，输出目标病种句向量；S5、得到目标病种已标注语料；S6、构造训练数据，将训练数据输入至初始分类模型中进行训练，得到训练分类模型；S7、得到目标病种结构化数据。本发明通过设置问题库，将病历和问题库结合输入至训练分类模型中，根据训练分类模型中的预测结果来提供结构化信息，从而得到较为精确和一致的病历数据整合结果，通过小批量样本标注以实现大批量样本标注的技术效果，能够满足跨病种迁移时的需求。
-
公开(公告)号：CN117708306A
公开(公告)日：2024-03-15
申请号：CN202410168381.8
申请日：2024-02-06
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G16H50/20 , G16H10/60 , G06F40/295 , G06F18/24 , G06N3/044 , G06N3/0442 , G06N3/0455
Abstract: 本发明公开了基于层进式问答结构的医学问答架构生成方法及系统，本方案利用电子病历文本结合层进式问答结构来进行医学问题和答案生成的技术框架，通过模仿医生层层递进式的提问方式，构建了一套完整的问题生成及问题回答框架，通过本方案提出的问答架构可以稳定准确的提取电子病历中的关键信息，并做出判断，然后送入后续的疾病诊断框架，提高医生获取患者关键信息的效率和准确率，降低误诊风险。
-
公开(公告)号：CN117174319B
公开(公告)日：2024-03-01
申请号：CN202311452738.7
申请日：2023-11-03
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/30 , G06N5/022 , G06N3/0464
Abstract: 本发明涉及一种基于知识图谱的脓毒症时序预测方法及系统；该方法包括：获取脓毒症患者的时序诊次信息，形成诊次数据集；基于CCS或ICD编码技术，构建医学本体图谱；基于医学本体图谱，构建目标脓毒症患者的诊次图谱；基于诊次图谱，生成诊次邻接矩阵和诊次特征矩阵；将诊次邻接矩阵和诊次特征矩阵分别输入至ST‑GCN网络模型中，得到目标脓毒症患者诊次T的诊断预测结果。本发明通过将脓毒症患者患者的时序诊次信息和医学知识图谱相结合，实现全流程端到端预测，不仅有利于模型提取出患者更准确的表征，提升模型预测的准确性，还能够对大量减少医生的工作量，节省医疗资源。
-
公开(公告)号：CN117423479A
公开(公告)日：2024-01-19
申请号：CN202311746772.5
申请日：2023-12-19
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明公开了一种基于病理图像数据的预测方法及系统，涉及图像处理技术领域。取癌细胞切除术后患者的病理切片数据集；获得部分或全部病理切片数据集的每张病理切片样本的ROI癌区；对所有ROI癌区中的细胞核进行分割处理；根据分割处理后的病理切片样本分别提取病理学特征数据；采集多组患者预测训练数据；每组患者预测训练数据均包括分割处理前的病理切片样本，该病理切片样本的一组病理学特征数据，以及患者术后预测结果；通过多组患者预测训练数据训练得到临床患者预测训练模型；将待预测患者病理切片输入临床患者预测训练模型，得到患者术后预测结果，能够更加准确、快速地预测患者的临床结局。
-
公开(公告)号：CN117349676A
公开(公告)日：2024-01-05
申请号：CN202311650060.3
申请日：2023-12-05
Applicant: 神州医疗科技股份有限公司
IPC: G06F18/214 , G06F18/2415 , G06F18/2431 , G06F16/25
Abstract: 本发明提供了基于mq端口和redis数据库的模型训练方法及系统，该方法包括以下步骤：将现有医疗数据的数据格式进行统一，并作为训练集；利用训练集对预测模型进行训练；利用预测模型输出预测结果，将预测结果和审核结果存储于数据库并进行对比；若预测结果进行过修改，则将审核结果作为正例数据，预测结果作为负例数据，并将所述正例数据和对应的负例数据作为一条样本存储于积存数据库中；将积存数据库中的样本作为自训练集输入预测模型，对预测模型重新训练，并将积存数据量重置为零。本发明将预测模型的输出结果进行存储以及发送人工审核，同时利用审核结果以及预测结果的对比，生成新的训练集，并对原预测模型进行重新训练。
-
Patent Agency Ranking
公开(公告)号：CN117265124A
公开(公告)日：2023-12-22
申请号：CN202211671753.6
申请日：2022-12-26
Applicant: 神州医疗科技股份有限公司
IPC: C12Q1/6888 , C12Q1/6858 , C12N15/11
Abstract: 本发明公开了一种用于阿片类药物相关基因多种SNP位点的核酸组合物、试剂盒和方法，所述核酸组合物包括引物探针组合1‑引物探针组合11中的任意一种或两种以上的组合。本发明提供的用于阿片类药物相关基因多种SNP位点的核酸组合物、试剂盒和方法，通过11个引物探针组合能够对多种SNP位点进行检测，通过PCR扩增时相应通道的信号强度进行实时监测和输出，能够实现检测结果的定性分析，从而减少用药盲目性，提高药物治疗精准性。参考患者基因检测分型结果，结合患者病理生理情况，制定个体化疼痛药物治疗方案。
-
公开(公告)号：CN117230204A
公开(公告)日：2023-12-15
申请号：CN202311515723.0
申请日：2023-11-15
Applicant: 神州医疗科技股份有限公司
IPC: C12Q1/6886 , C12Q1/6858 , C12N15/11
Abstract: 本发明涉及基因检测技术领域，具体涉及一种用于检测MET基因14外显子剪接突变的引物探针组、试剂盒和检测系统，本发明系统包括采集模块，用于采集血浆样本；提取模块，用于从血浆样本中提取游离RNA样本；扩增模块，用于采用引物探针组或试剂盒对游离RNA样本进行PCR扩增；荧光检测模块，用于对扩增后的样本进行荧光检测；分析模块，用于根据荧光检测的结果进行分析；若内参基因检测有扩增且Ct值≤35，MET14位点检测有扩增且Ct值≤39，则检测结果为该样本MET14基因跳跃突变为阳性；通过本发明实现对MET14基因突变对快速检测，且成本低、效率高、分析复杂程度低。
-
公开(公告)号：CN116913459B
公开(公告)日：2023-12-15
申请号：CN202311171207.0
申请日：2023-09-12
Applicant: 神州医疗科技股份有限公司
IPC: G16H20/10 , G16H50/20 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了基于深度卷积网络控制门模型的用药推荐方法及系统，该方法包括以下步骤：S1：获取现有的患者诊疗检查信息以及对应的最终用药数据；S2：根据患者诊疗检查信息与最终用药数据的对应关系，将每一条患者诊疗检查信息与最终用药数据进行数字ID映射的转化；S3：将转化为数字ID的患者诊疗信息作为输入，最终用药数据作为标签，输入控制门模型进行训练；S4：将实际患者诊疗信息输入控制门模型，输出建议用药概率。本发明通过深度卷积网络控制门模型学习已有的用户诊断检查数据，在训练完毕后，可以使用训练完毕的模型基于新的患者诊断检查检测指标对患者用药进行推荐，最终推荐出患者的最佳用药。
-
公开(公告)号：CN117187396A
公开(公告)日：2023-12-08
申请号：CN202311463769.2
申请日：2023-11-06
Applicant: 神州医疗科技股份有限公司
IPC: C12Q1/6886 , C12Q1/6851 , C12N15/11
Abstract: 本发明涉及分子生物学领域，具体涉及一种HER2基因扩增定量检测的引物探针组、试剂盒和系统；本系统包括采集模块，用于采集血浆样本；提取模块，用于从血浆样本中提取DNA样本；扩增模块，用于采用引物探针组或试剂盒对DNA样本进行PCR扩增；检测模块，用于对扩增后的产物进行荧光检测；分析模块，用于对荧光检测结果进行分析，若内参基因的Ct值≤35，HER2基因的Ct≤45且扩增曲线为“S”型，HER2基因拷贝数与内参基因拷贝数均值比值≥2，则检测结果为阳性；本发明基于循环肿瘤DNA采用荧光定量PCR，针对HER2基因扩增设计特异性引物及探针，实现定量及拷贝数检测，且检测快速、实惠，更合适临床检测。
-
公开(公告)号：CN116955576A
公开(公告)日：2023-10-27
申请号：CN202311218911.7
申请日：2023-09-21
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/332 , G06F18/214 , G06F40/289 , G06F40/30 , G16H70/40 , G16H80/00
Abstract: 本发明涉及语言处理技术领域，特别提供一种基于人类反馈与强化学习的问答回复方法、系统及设备，该方法包括：基于目标数据，构造数据集，并基于数据集，对预训练模型进行继续预训练，得到初始问答模型；基于目标数据，构造三元组指令集数据；利用三元组指令集数据对初始问答模型进行优化，得到问答模型；基于目标数据，构造人类偏好指令集数据；基于人类偏好指令集数据，对问答模型进行训练，得到奖励模型；利用人类反馈强化学习机制，对奖励模型进行强化，得到问答回复模型，从而实现具备专业度较高的问答能力，以及具有回复人性化且专业准确性更高的特点。
-
-
-
-
-
-
-
-
-
Search Results
187
records
(took 0.039 seconds)
