-
公开(公告)号：CN115145591B
公开(公告)日：2022-12-06
申请号：CN202211051570.4
申请日：2022-08-31
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多中心的医疗ETL任务调度方法、系统及装置，包括以下步骤：步骤S1：对ETL任务进行测试与验证；步骤S2：将ETL任务部署至医院中心，将ETL任务调度到若干个执行机执行；步骤S3：筛选满足待调度ETL任务的资源需求的执行机集合；步骤S4：计算所述执行机集合中各个执行机的当前任务负载；步骤S5：选择当前任务负载最小的所述执行机执行ETL任务；步骤S6：所述调度机根据优先级从所述执行机活动队列中选择ETL任务执行。本发明通过分析出任指标为当前调度机上的待调度任务选择最合适的执行机器。执行机从执行队列中选择任务进行执行，同时监测当前任务的阶段信息，从而实现集群资源利用的最大化。
-
公开(公告)号：CN115083615B
公开(公告)日：2022-12-06
申请号：CN202210854341.X
申请日：2022-07-20
Applicant: 之江实验室
IPC: G16H50/70 , G06F16/22 , G06F16/2458
Abstract: 本发明公开了一种链式并行统计多中心就诊患者人数的方法及装置，首先构建医院集合以及每个医院的患者主索引集合，并将患者主索引集合转化为位图集合；然后构造状态梯形表，表中标签表示医院患者主索引对应的名称；状态梯形表中状态取值范围分为‑1，0，1；‑1表示开始进行计算中，0表示初始化，1表示计算完成；对表头标签与表侧标签交点元素为0的点进行‘按位与’计算，对于交点元素为‑1的点进行忽略处理，对于交点元素为1的点直接跳过进行下一点的计算；计算完成后的状态梯形表中1的数量即医院组合中患者就诊记录交集的数量。本发明利用多线程链式求解集合序列交集全组合交集元素数量的方法，使得整体计算的效率大幅度提升。
-
公开(公告)号：CN115148375B
公开(公告)日：2022-11-15
申请号：CN202211051408.2
申请日：2022-08-31
Applicant: 之江实验室
Abstract: 本发明公开了一种高通量真实世界药物有效性与安全性评价方法及系统，包括以下步骤：步骤S1：数据集的构建；步骤S2：构建药物有效性/安全性指标表型库；步骤S3：选定目标药物，定义目标事件、结局事件、目标日期、结局日期，并提取患者ID、目标日期和结局日期；步骤S4：在所述药物有效性/安全性指标表型库选定指标，得到目标药物‑有效性/安全性指标对；对所述目标药物‑有效性/安全性指标对利用事件序列对称分析进行高通量信号筛选，得到初筛阳性信号；步骤S5：对所述初筛阳性信号进行因果评估，确定所述目标药物的有效性与安全性。本发明通过高通量信号筛选与基于临床试验模拟的因果评估算法，高通量的完成目标药物的药物效果因果性评价。
-
公开(公告)号：CN115147417B
公开(公告)日：2022-11-15
申请号：CN202211070002.9
申请日：2022-09-02
Applicant: 之江实验室
Abstract: 本发明公开了一种基于过滤法特征选择的功能连接矩阵处理系统及装置，包括：获取被试预处理后的静息态脑功能磁共振图像；提取时间序列；计算皮尔逊相关系数，得到皮尔逊相关系数矩阵；将皮尔逊相关系数矩阵进行向量化；利用过滤法计算定量相关性指标，并基于预设阈值，选择定量相关性指标；利用与所述疾病诊断结果相关性高的对应的定量相关性指标，对选择的功能连接特征加权处理，得到功能连接矩阵；通过所述功能连接矩阵得到预测结果。本发明在以过滤法进行特征选择的基础上，以计算得到的特征与所述疾病诊断结果的定量相关性指标对所选择的特征进行加权处理，使得与所述疾病诊断结果相关性高的特征具有更高的影响权重，提高表型预测的准确率。
-
公开(公告)号：CN115067948B
公开(公告)日：2022-11-11
申请号：CN202210980834.8
申请日：2022-08-16
Applicant: 之江实验室
Abstract: 本发明公开了一种基于视觉反馈的指力功能可视化异常检测系统及方法，包括：注意力检测模块、指力数据可视化模块、实时视觉反馈模块。步骤S1：通过注意力检测模块获取视觉反馈参数和用户注视握力期望点，并将注意力信息反馈给指力数据可视化模块；步骤S2：通过指力数据可视化模块采集、计算测试者的手指力数据，得到修饰后的握力跟随函数；步骤S3：通过实时视觉反馈模块对所述实时握力值和所述修饰后的握力跟随函数进行抑制前馈控制，得到视觉反馈参数。本发明对指力数据进行丰富的可视化处理、分析以及比对，使测试者可以通过与健康指力分配范式的实时对比，及时发现手指力功能异常的问题，采用抑制前馈控制的视觉反馈力跟随显示方法。
-
Patent Agency Ranking
公开(公告)号：CN114912136B
公开(公告)日：2022-10-28
申请号：CN202210825830.2
申请日：2022-07-14
Applicant: 之江实验室
Abstract: 本发明公开了一种基于竞争机制的区块链上医疗数据协同分析方法及系统，本发明通过引入纵向联邦学习，实现了数据不出机构即可进行模型构建，解决了在线学习模型训练方向错误的问题，因而能够构建更为准确的医疗预测模型，对特征纵向分布的数据集进行了更好的利用。本发明通过引入竞争机制，不同节点将通过样本的数据特征贡献值计算出相应的权重，并以此来争抢数据汇总权和模型梯度更新权。本发明能够根据样本的特征分布对协调方进行调整，从而能够对特征分布不固定的数据集进行更好的利用。
-
公开(公告)号：CN114913982B
公开(公告)日：2022-10-11
申请号：CN202210838416.5
申请日：2022-07-18
Applicant: 之江实验室
Abstract: 本发明公开了一种基于对比学习的终末期肾病并发症风险预测系统，包括终末期肾病数据准备模块，用于利用医院电子信息系统和日常监测设备提取患者的结构化数据，并对所述结构化数据处理得到扩增结构化数据；并发症风险预测模块，用于构建并发症表征学习模型和并发症风险预测模型，将所述扩增结构化数据通过所述并发症表征学习模型训练学习得到并发症表征，并利用所述并发症表征通过所述并发症风险预测模型进行终末期肾病并发症风险预测。本发明基于倾向性得分匹配与SMOTE结合，进行数据扩增和正负样本匹配，以扩增结构化的终末期肾病数据，并解决正负样本不均衡的问题；从多个角度防止特征崩溃现象，获得更好的表征效果，从而提高模型性能。
-
公开(公告)号：CN114664452B
公开(公告)日：2022-09-23
申请号：CN202210547826.4
申请日：2022-05-20
Applicant: 之江实验室
Abstract: 本发明公开了一种基于因果校验数据生成的全科多疾病预测系统，本发明针对全科场景，从因果性的角度出发，提出了基于全科倾向性得分网络的倾向性得分计算方法；相较于传统生成式对抗网络可解释性差的问题，本发明提出了基于因果校验的生成式对抗网络，使得生成的数据更加符合真实的因果逻辑；针对现有图卷积神经网络仅从相关性角度建模的问题，本发明提出了基于全科因果图卷积神经网络的全科多疾病预测模型，融入因果效应值以提升全科多疾病预测系统对疾病的预测性能，解决了全科场景因训练样本少导致模型表现差以及鲁棒性不高的问题。
-
公开(公告)号：CN115083615A
公开(公告)日：2022-09-20
申请号：CN202210854341.X
申请日：2022-07-20
Applicant: 之江实验室
IPC: G16H50/70 , G06F16/22 , G06F16/2458
Abstract: 本发明公开了一种链式并行统计多中心就诊患者人数的方法及装置，首先构建医院集合以及每个医院的患者主索引集合，并将患者主索引集合转化为位图集合；然后构造状态梯形表，表中标签表示医院患者主索引对应的名称；状态梯形表中状态取值范围分为‑1，0，1；‑1表示开始进行计算中，0表示初始化，1表示计算完成；对表头标签与表侧标签交点元素为0的点进行‘按位与’计算，对于交点元素为‑1的点进行忽略处理，对于交点元素为1的点直接跳过进行下一点的计算；计算完成后的状态梯形表中1的数量即医院组合中患者就诊记录交集的数量。本发明利用多线程链式求解集合序列交集全组合交集元素数量的方法，使得整体计算的效率大幅度提升。
-
公开(公告)号：CN115080046A
公开(公告)日：2022-09-20
申请号：CN202210980794.7
申请日：2022-08-16
Applicant: 之江实验室
Abstract: 本发明公开了一种页面设计中多组件抽象关联融合方法和装置，包括以下步骤：步骤S1：构建需求，经语音识别方法对所述构建需求进行解析，得到自然语言文本；步骤S2：通过预定义组件库、规则库和关系库构建抽象模型，所述抽象模型进行组件融合得到融合组件的JSON结构；步骤S3：利用渲染函数将所述融合组件的JSON结构转义为虚拟DOM，并映射虚拟DOM节点的属性与事件，得到融合组件绘制结果；步骤S4：创建真实DOM结构，并插入到真实DOM节点上，进而实现融合组件在视图上的显示。本发明通过劫持数据在组件间流转，对组件绑定数据可进行自动关联，自动为融合组件配置属性与事件监听，提高前端项目代码重用率，减化应用开发难度，有效提高前端开发的效率。
-
-
-
-
-
-
-
-
-
Search Results
314
records
(took 0.03 seconds)
