-
公开(公告)号：CN116703896B
公开(公告)日：2023-10-24
申请号：CN202310963187.4
申请日：2023-08-02
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及前列腺癌技术领域，具体涉及一种基于多模态的前列腺癌与增生预测系统及构建方法；本方法包括采集患者的临床数据以及前列腺序列的CT影像，采用3DUNET分割模型对前列腺影像序列的前列腺区域进行ROI标注，经VIT算法模型处理后得出患者的前列腺影像embedding，对患者的临床数据进行预处理后得到患者的临床embedding，将对应的影像和临床embedding进行拼接，得到前列腺癌与增生预测模型；本发明通过将临床数据与影响数据进行结合形成多模态数据，并构建预测模型，实现对前列腺癌与增生的预测，解决了临床上医生对PSA值处于4到6的患者影像判断的挑战，避免患者做活检带来的痛苦。
-
公开(公告)号：CN116665017A
公开(公告)日：2023-08-29
申请号：CN202310939774.X
申请日：2023-07-28
Applicant: 神州医疗科技股份有限公司
IPC: G06V10/82 , G16H50/20 , G06N3/0464 , G06N7/01 , G06N20/00 , G06V10/25 , G06V10/40 , G06V10/764
Abstract: 本发明涉及前列腺癌技术领域，具体涉及一种基于影像组学的前列腺癌预测系统及构建方法；本发明系统包括采集模块，用于采集前列腺患者的影像序列，标注模块，用于对前列腺区域进行ROI标注，特征提取模块，用于进行特征提取，特征筛选模块，用于选出前列腺影像序列的重要特征，预测模型构建模块，用于通过重要特征，基于随机森林、XGBoost，朴素贝叶斯、k最近邻、支持向量机、逻辑回归、决策树和adaboost分别构建模型，评价模块，用于计算模型的评价指标，采用评价指标最优的模型作为最后的前列腺癌预测模型，预测模块，用于预测待测者的前列腺癌风险；通过本发明实现对前列腺癌的评估，解决需要活检造成患者痛苦的问题。
-
公开(公告)号：CN115798722B
公开(公告)日：2023-05-26
申请号：CN202310052229.9
申请日：2023-02-02
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明提供了基于知识图谱的免疫药物人群高低危筛选方法及系统，该方法包括以下步骤：S1：获取病人数据，并对病人数据进行数据预处理，并构建同构图数据以及异构图数据；S2：根据病人数据中的PFS值，对病人节点赋予标签，若PFS值大于PFS中位数，则赋予低危标签；S3：根据异构图数据构建异构图；将异构图节点数据转换为同构图数据，并根据同构图数据构建同构图；S4：将同构图输入到GCN以及GAT模型，异构图输入HAN模型，分别输出节点特征矩阵；S5：将三个节点特征矩阵进行拼接，输入MLP多层神经网络，并输出PFS类别预测。本发明融合了同构图信息以及异构图信息，并分别将其输出的节点表征拼接到一起，经过双层的MLP网络结构，能够准确预测病人的PFS类别。
-
公开(公告)号：CN115762707A
公开(公告)日：2023-03-07
申请号：CN202310025203.5
申请日：2023-01-09
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明涉及知识图谱技术领域，具体涉及一种基于知识图谱的肝癌用药推荐方法和系统；本方法包括收集肝癌实例数据构建知识图谱，建立RNNLogic预测模型，通过EM算法优化RNNLogic预测模型，基于所述知识图谱训练RNNLogic预测模型，得到肝癌用药推荐模型，通过所述肝癌用药推荐模型，得出肝癌推荐用药的候选答案，并计算所述候选答案的概率，通过MR、MRR和Hit@k对所述候选答案的路径进行验证；本发明实现对肝癌数据的运用，进而对肝癌患者的最佳用药进行推荐。
-
公开(公告)号：CN117649418B
公开(公告)日：2024-04-19
申请号：CN202410128271.9
申请日：2024-01-30
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及医学图像处理技术领域，具体涉及一种胸部多器官分割方法及系统和计算机可读存储介质；本发明采用STUNet模型作为分割模型的基础模型，采用对部分器官标记的胸部CT图像进行训练，对缺标数据赋予伪标签，最终实现将无标或缺标的胸部CT图像形成全标记CT图像，进而训练得到胸部多器官分割模型，实现对无标或缺标的胸部CT图像的分割，解决了胸部CT图像全数据少的问题，使缺标或无标的胸部CT图像得到充分利用，实现准确的胸部多器官分割模型的构建。
-
Patent Agency Ranking
公开(公告)号：CN116703896A
公开(公告)日：2023-09-05
申请号：CN202310963187.4
申请日：2023-08-02
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及前列腺癌技术领域，具体涉及一种基于多模态的前列腺癌与增生预测系统及构建方法；本方法包括采集患者的临床数据以及前列腺序列的CT影像，采用3DUNET分割模型对前列腺影像序列的前列腺区域进行ROI标注，经VIT算法模型处理后得出患者的前列腺影像embedding，对患者的临床数据进行预处理后得到患者的临床embedding，将对应的影像和临床embedding进行拼接，得到前列腺癌与增生预测模型；本发明通过将临床数据与影响数据进行结合形成多模态数据，并构建预测模型，实现对前列腺癌与增生的预测，解决了临床上医生对PSA值处于4到6的患者影像判断的挑战，避免患者做活检带来的痛苦。
-
公开(公告)号：CN115762707B
公开(公告)日：2023-05-05
申请号：CN202310025203.5
申请日：2023-01-09
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明涉及知识图谱技术领域，具体涉及一种基于知识图谱的肝癌用药推荐方法和系统；本方法包括收集肝癌实例数据构建知识图谱，建立RNNLogic预测模型，通过EM算法优化RNNLogic预测模型，基于所述知识图谱训练RNNLogic预测模型，得到肝癌用药推荐模型，通过所述肝癌用药推荐模型，得出肝癌推荐用药的候选答案，并计算所述候选答案的概率，通过MR、MRR和Hit@k对所述候选答案的路径进行验证；本发明实现对肝癌数据的运用，进而对肝癌患者的最佳用药进行推荐。
-
公开(公告)号：CN115658877B
公开(公告)日：2023-03-21
申请号：CN202211683493.4
申请日：2022-12-27
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/335 , G06F16/36 , G16H20/10 , G16H50/50 , G16H50/70
Abstract: 本公开涉及肝癌免疫药物推荐领域，提供了一种基于强化学习的药物推荐方法、装置、电子设备和介质。包括：采集初始患者数据并进行预处理，得到标准患者数据；基于上述标准患者数据构建知识图谱；基于Trans模型得到上述知识图谱的节点向量和边关系向量；基于强化学习、上述知识图谱和上述知识图谱的节点向量和边关系向量训练智能体；基于上述智能体和上述知识图谱得到推荐药物和上述推荐药物对应的推荐路径。本公开结合强化学习与知识图谱对真实肝癌病人用药信息进行建模，在给出病人推荐药物的同时也可以提供模型推荐药物诊疗路径，为药物推荐提供可解释性。
-
公开(公告)号：CN115798722A
公开(公告)日：2023-03-14
申请号：CN202310052229.9
申请日：2023-02-02
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明提供了基于知识图谱的免疫药物人群高低危筛选方法及系统，该方法包括以下步骤：S1：获取病人数据，并对病人数据进行数据预处理，并构建同构图数据以及异构图数据；S2：根据病人数据中的PFS值，对病人节点赋予标签，若PFS值大于PFS中位数，则赋予低危标签；S3：根据异构图数据构建异构图；将异构图节点数据转换为同构图数据，并根据同构图数据构建同构图；S4：将同构图输入到GCN以及GAT模型，异构图输入HAN模型，分别输出节点特征矩阵；S5：将三个节点特征矩阵进行拼接，输入MLP多层神经网络，并输出PFS类别预测。本发明融合了同构图信息以及异构图信息，并分别将其输出的节点表征拼接到一起，经过双层的MLP网络结构，能够准确预测病人的PFS类别。
-
公开(公告)号：CN114822852A
公开(公告)日：2022-07-29
申请号：CN202210552510.4
申请日：2022-05-20
Applicant: 神州医疗科技股份有限公司
Abstract: 本申请提出一种基于知识图谱的肝癌术后复发风险的预测方法及装置，属于医疗数据预测领域，其中方法包括：针对患者数据进行预处理，得到预处理后数据；针对所述预处理后数据，构建包含肝癌复发相关影响因素、肝癌指标和患者数据的知识图谱；采用XLNet训练模型对所述知识图谱中实体、关系进行训练，得到患者实体和关系的表征向量；根据所述患者实体和关系的表征向量，采用XGB算法进行预测，并用MSE作为损失函数，将损失函数最小的对应预测值，作为肝癌术后复发风险的预测值。系统包括：数据预处理模块、知识图谱构建模块、知识表征训练模块以及手术后复发风险预测模块。本申请提高了风险预测的可靠程度。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.034 seconds)
