-
公开(公告)号：CN116502129B
公开(公告)日：2023-09-22
申请号：CN202310740799.7
申请日：2023-06-21
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/23213 , G06F18/25 , G06F16/36 , G06N3/0464 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084 , G16H10/60 , G16H50/20 , G16H50/30
Abstract: 本发明公开了一种知识与数据协同驱动的不平衡临床数据分类系统，包括：患者图谱构建模块，用于从患者电子病历数据中提取医学概念集合，基于医学概念集合和对应的关系集合构建患者图谱；患者表示获取模块，使用图卷积网络从患者图谱中提取含图结构信息的知识特征，融合知识特征和数据特征，得到患者表示；患者临床分类结果获取模块，将患者表示输入至临床数据分类模型中，所述临床数据分类模型由一个门控网络和多个专家网络组成，将患者表示同时输入到门控网络和各专家网络，其中门控网络为每个专家网络分配不同的患者权重，各专家网络基于患者权重分别输出分类结果；对每个专家网络输出的分类结果进行组合，获得患者临床分类结果。
-
公开(公告)号：CN116665913A
公开(公告)日：2023-08-29
申请号：CN202310860081.1
申请日：2023-07-13
Applicant: 之江实验室
Abstract: 本说明书公开了一种跨机构的患者匹配系统和方法，本说明书实施例中跨机构的患者匹配系统包含多个医疗机构设备和区块链，在患者匹配之前，每个医疗机构设备对本地保存的患者的特征进行编码和加密，得到用于查找患者的索引密文，将对患者特征进行加密后的特征密文和索引密文保存到区块链上。在某个医疗机构设备需要进行患者匹配时，区块链将待匹配患者的索引密文与其他患者的索引密文进行匹配，确定出各候选患者，并将各候选患者的特征密文发送给该医疗机构设备，该医疗机构设备基于各患者的特征的相似度，选择出与待匹配患者属于同一患者的目标患者。在此过程中，区块链与医疗机构设备之间传输的数据均是加密数据，降低了泄露患者数据的风险。
-
公开(公告)号：CN116562271A
公开(公告)日：2023-08-08
申请号：CN202310839591.0
申请日：2023-07-10
Applicant: 之江实验室
IPC: G06F40/226 , G06F40/216 , G06F40/284 , G06F18/22 , G06N3/045 , G06N3/0442 , G06N3/047 , G16H10/60
Abstract: 本说明书公开了一种电子病历的质控方法、装置、存储介质及电子设备，本说明书实施例实时获取用户输入的病历文本，采用标准医学术语，对病历文本中的关键字段进行实时质控，以避免电子病历中的术语不规范和不准确的问题，并且实时对电子病历进行质控，可以避免从电子病历的生成到对电子病历中的数据进行修改这个过程产生的时间差，从而降低诊疗出错的概率。
-
公开(公告)号：CN116089748B
公开(公告)日：2023-08-08
申请号：CN202211411193.0
申请日：2022-11-11
Applicant: 之江实验室
IPC: G06F16/957 , G06F16/36 , G06F16/23
Abstract: 本发明公开了一种药物深度知识图谱渲染与更新方法、系统及装置，本发明提出的大数据量知识图谱更新渲染的方法，可以解决由于药物深度知识图谱图谱中由于节点数据级比较大，和经常发生小规模的知识图谱节点关系更新（包括节点的新增、删除和顺序的调整），而产生的渲染卡顿、体验差、性能差等问题。本发明中所涉及的请求调度算法，通过建立两个请求池的方法，最大程度调用了客户端CPU的性能，在客户端能满足的最大并行网络请求的前提下，将药物知识图谱的大量数据按一定方法进行分批请求，从而解决网络请求部分中因为数据量过大而引起的时间阻塞问题。
-
公开(公告)号：CN116541407A
公开(公告)日：2023-08-04
申请号：CN202310831201.5
申请日：2023-07-07
Applicant: 之江实验室
IPC: G06F16/23 , G06F16/901 , G06F16/27 , H04L67/1097 , H04L67/1095
Abstract: 本说明书公开了一种数据处理的方法、装置、存储介质及电子设备。本说明书实施例在数据处理的过程中，会将各个医疗机构的数据中心设备中的全局医疗图数据汇总到目标设备中，以对该目标设备中的全局医疗图数据进行更新，并且在该目标设备中，每次数据更新操作都会对应有一个数据节点，以使得该数据更新操作完成后，可以将得到的更新后的全局医疗图数据存储到该数据节点中，以使得即便完成了更新后的全局医疗图数据的存储，也能便捷的回溯更新操作之前的存储结果，从而在避免了数据孤岛的同时，保证了图数据的灵活存储。
-
Patent Agency Ranking
公开(公告)号：CN116525125A
公开(公告)日：2023-08-01
申请号：CN202310811543.0
申请日：2023-07-04
Applicant: 之江实验室
Abstract: 本说明书公开了一种虚拟电子病历的生成方法及装置，通过预先训练的特征提取模型从输入的指定图中提取指定图包含的各实体的特征，基于各实体的特征以及用户输入的目标文本的特征确定提示向量，将所述提示向量输入到预训练的自然语言模型，生成包含非真实的医疗记录文本的虚拟电子病历。可见，通过预先训练的特征提取模型提取指定图中各实体的特征，充分挖掘指定图中各实体之间的相关关系，并根据各实体的特征以及用户输入的目标文本的特征确定具有针对性的提示向量，通过提示向量引导预训练的自然语言模型充分利用指定图中各实体的特征，生成更符合用户实际需求的高质量虚拟电子病历。
-
公开(公告)号：CN116188633B
公开(公告)日：2023-07-18
申请号：CN202310454350.4
申请日：2023-04-25
Applicant: 之江实验室
Abstract: 本说明书提供的一种仿真遥感影像生成的方法、装置、介质及电子设备中，获取无云遥感影像，并根据获取的云掩膜影像确定待添加云影像，针对每个坐标，确定该坐标对应的第一透光率以及第二透光率，最后根据所述待添加云影像、所述无云遥感影像、该坐标对应的第一透光率以及所述第二透光率、确定出云仿真遥感影像。从上述方法中可以看出，根据真实的云遥感影像，确定与所述无云遥感影叠加的待添加云影像，并确定待添加云影像中各像素点的第一透光率以及无云遥感影像中各像素点的第二透光率，确定生成的仿真遥感影像中各像素点的像素值，使所述仿真遥感影像更加真实。
-
公开(公告)号：CN116108163B
公开(公告)日：2023-06-27
申请号：CN202310361604.8
申请日：2023-04-04
Applicant: 之江实验室
IPC: G06F16/335 , G06F40/30 , G06N3/0464 , G06N3/0455 , G06N3/08 , G10L15/26 , G10L15/16 , G10L15/18
Abstract: 本说明书公开了一种文本的匹配方法、装置、设备及存储介质，可以对待匹配文本数据中包含的各文本语句进行筛选，以对待匹配文本数据进行提炼，得到目标文本数据。并且，可以通过将与标准数据相关的参考文献中的至少部分内容补充到标准文本数据中，从而可以根据提炼出的目标文本数据从各补充后标准文本数据对应的标准文本数据中筛选出与目标文本数据相匹配的各标准文本数据，进而可以提升筛选出的各标准文本数据的准确性。
-
公开(公告)号：CN116309385A
公开(公告)日：2023-06-23
申请号：CN202310169846.7
申请日：2023-02-27
Applicant: 之江实验室
IPC: G06T7/00 , G06T7/12 , G06V10/26 , G06V10/774 , G06V10/762 , G06V10/28 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的腹部脂肪与肌肉组织测量方法及系统。本发明利用少量标注的CT图像，构建一个2D‑3D两阶段分割框架，进行三维CT序列的皮下脂肪、内脏脂肪和骨骼肌的自动测量。通过2D分割模型的训练，获得CT图像序列未标注层面的“伪标签”，这样可以大大减少三维分割模型训练数据所需的图像标注量。然后，提出一个活动轮廓正则化的三维深度卷积神经网络分割模型，用于三维腹壁结构的自动分割，以提高分割目标形状的正则性和边界光滑性。本发明具有自动化、精度高、可迁移扩展的特点，可以实现CT、核磁等影像上的不用脂肪及肌肉组织的自动测量。
-
公开(公告)号：CN116306589A
公开(公告)日：2023-06-23
申请号：CN202310521134.7
申请日：2023-05-10
Applicant: 之江实验室
IPC: G06F40/216 , G06F40/279 , G06F16/35 , G06N3/0455 , G06N3/084 , G10L15/26 , G16H10/60
Abstract: 本说明书公开了一种急救场景的医疗文本纠错及智能提取的方法及装置，可以获取语音识别出的急救医疗文本，而后，根据统计语言模型和/或错字识别模型，确定急救医疗文本中存在的错误位置，进而，确定每个错误位置对应的候选代替字，并根据每个错误位置对应的候选代替字，确定将急救医疗文本进行纠错后的各候选纠错文本，以从各候选纠错文本中选取出目标文本，最后，可以将预设的医疗信息类型与目标文本输入到预先训练的信息提取模型的第一网络层中，以使第一网络层输出提示信息向量，将提示信息向量和目标文本输入到信息提取模型的第二网络层，以通过信息提取模型从目标文本中提取出该医疗信息类型下的医疗信息，从而提高了信息提取的准确性。
-
-
-
-
-
-
-
-
-
Search Results
314
records
(took 0.036 seconds)
