-
公开(公告)号：CN116564535B
公开(公告)日：2024-02-20
申请号：CN202310529197.7
申请日：2023-05-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于隐私保护下局部图信息交换的中心疾病预测方法，本发明通过构建图中间变量，并在差分隐私保护下完成各个医疗机构图中间变量的交换，从而保证了医疗机构在隐私保护场景下利用其他医疗机构的关系图信息完成本地图神经网络模型的训练，进而提升全局图神经网络模型的预测准确性。本发明还提供了基于隐私保护下局部图信息交换的中心疾病预测装置。
-
公开(公告)号：CN116978570B
公开(公告)日：2024-02-06
申请号：CN202311238621.9
申请日：2023-09-25
Applicant: 之江实验室
Abstract: 本发明公开了一种在线实时患者危重程度评估及生命体征参数预测系统，包括：患者生命体征参数获取模块；患者生理状态特征获取模块；采样实例获取模块，用于根据患者生理状态特征获取人体状态统计分布参数，配置累积测量权重，根据人体状态统计分布参数和累积测量权重获取当前的人体累积状态统计分布，对当前的人体累积状态统计分布进行采样，得到采样实例；死亡风险预测模块，用于获取患者死亡风险分布，患者死亡风险分布通过死亡率在每一区间的发生概率以及每一区间的期望死亡率表示；将死亡率在每一区间的发生概率与每一区间的期
-
公开(公告)号：CN117077218B
公开(公告)日：2024-01-26
申请号：CN202311285990.3
申请日：2023-10-07
Applicant: 之江实验室
Abstract: 本说明书公开了一种多中心医疗机构镜像的同步方法、装置、介质及电子设备，响应于将待同步镜像同步给第二前置机的请求，获取待同步镜像的镜像组成清单文件，镜像组成清单文件中包括组成待同步镜像的各镜像层文件的文件标识，根据文件标识，通过第一前置机中的第二镜像仓库，将各镜像层文件上传至第一镜像仓库，使用第二前置机对应的加密方式，对镜像组成清单文件进行加密，将加密后的镜像组成清单文件上传至第一镜像仓库，以使第二前置机通过第二前置机中的第二镜像仓库，获取第一镜像仓库中的加密后的镜像组成清单文件，对加密后的镜像组成清单文件进行解密，并从第一镜像仓库中同步待同步镜像。该方法保证了镜像同步过程中的安全性与隐私性。
-
公开(公告)号：CN117009924B
公开(公告)日：2024-01-26
申请号：CN202311277196.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/214 , G06F18/24 , G16H10/60
Abstract: 本发明涉及一种电子病历引导的多模态自适应多中心数据融合方法及系统，所述融合方法包括以下步骤：在服务器端构建电子病历引导的多模态融合网络模型，该多模态网络模型包括编码器模块、电子病历引导的多模态注意力模块、电子病历引导的多头共注意力模块和自适应降采样模块；以各客户端作为参与者构建联邦学习框架，基于各客户端的本地数据完成用于多中心协作交互的基于联邦学习的多模态网络模型参数的动态更新，自适应实现多中心电子病历数据和影像数据的融合。与现有技术相比，本发明在充分挖掘多模态数据中隐藏的有用信息的基础上，引入联邦学习机制，充分利用分布在不同医疗机构的多模态信息，解决数据融合精度低及泛化性差的问题。
-
公开(公告)号：CN117036830B
公开(公告)日：2024-01-09
申请号：CN202311285978.2
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本说明书公开了一种肿瘤分类模型训练方法、装置、存储介质及电子设备，包括：确定历史上患者的医学图像作为训练样本。针对每一个期相图像，将该期相图像输入待训练的肿瘤分类模型的特征提取层，确定该期相图像的图像特征。再将各期相图像分别对应的图像特征输入待训练的肿瘤分类模型的期相注意力层，以通过期相注意力层对各期相图像分别对应的图像特征进行注意力加权，得到各期相图像分别对应的加权特征。将各加权特征输入待训练的肿瘤分类模型的分类层，确定分类结果。将医学图像对应的肿瘤类型作为标注，以分类结果以及标注之间的差异最小为训练目标，对待训练的肿瘤分类模型进
-
Patent Agency Ranking
公开(公告)号：CN117009839B
公开(公告)日：2024-01-09
申请号：CN202311267386.8
申请日：2023-09-28
Applicant: 之江实验室
Abstract: 本申请涉及一种基于异构超图神经网络的患者聚类方法和装置，其中，该基于异构超图神经网络的患者聚类方法包括：根据各个对象的电子病历信息，构建与对象对应的异构超图；将目标模型中表示学习模块对应的重构损失函数，以及目标模型中对象聚类模块对应的聚类损失函数作为模型整体损失，对目标模型进行训练，直至目标模型收敛，输出对象聚类模块中的最终聚类结果；其中，在目标模型的训练过程中，基于每次表示学习模块从异构超图中学习到的节点表示矢量，更新对象聚类模块中的聚类结果；节点表示矢量为异构超图中每个对象的就诊记录节点对应的表示矢量。通过本申请，解决了无法获取准确的聚类结果的问题，实现了提高聚类结果的准确性。
-
公开(公告)号：CN116959715B
公开(公告)日：2024-01-09
申请号：CN202311199176.X
申请日：2023-09-18
Applicant: 之江实验室
Abstract: 本发明公开了一种基于时序演进过程解释的疾病预后预测系统，该系统包括：数据采集模块，用于从电子病历数据库中提取患者的相关健康医疗数据；数据预处理模块，用于对相关健康医疗数据进行预处理；预后预测与归因模块，用于预测不同时间节点的预后，并对风险因素进行重要程度解释；可视化模块，基于预后预测与归因模块中得到的结果，解释预测结果并进行数据可视化。本发明融合了结构化的实验室检查数据和非结构化的病程记录的长期数据，在为患者不同时间周期下的预后做出精准预测的同时，对模型做出充分解释，并且提供可视化方法增加模型
-
公开(公告)号：CN116881725B
公开(公告)日：2024-01-09
申请号：CN202311152151.4
申请日：2023-09-07
Applicant: 之江实验室
IPC: G06F18/214 , G16H50/30 , G06F18/25 , G06F18/241 , G06F18/211
Abstract: 本说明书公开了一种癌症预后预测模型训练装置、介质及电子设备，包括：第二确定模块根据第一确定模块确定出的各训练样本对应的基因表达数据以及医学图像，分别确定各训练样本对应的基因特征以及图像特征。拼接模块再将各基因特征以及各图像特征分别进行拼接，得到各多模态特征。筛选模块根据各训练样本的多模态特征，从各训练样本的图像特征的各维度中，筛选用于表征各训练样本的多模态特征的维度，将筛选出的维度对应的特征作为各训练样本的输入特征。训练模块根据各输入特征以及各标注，对待训练的癌症预后预测模型进行训练，使得后续直接根据特征权重，将对图像特征进行筛选后的特征输入癌症预后预测模型预测复发情况，提
-
公开(公告)号：CN117334246A
公开(公告)日：2024-01-02
申请号：CN202311284290.2
申请日：2023-09-28
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于计算的药物重定位的方法、装置及存储介质，获取待检测样本的基因表达数据，将所述基因表达数据输入预先训练的通路异常检测模型，获得若干个通路及所述若干个通路对应的通路异常评分，根据所述若干个通路对应的通路异常评分，确定目标通路，获取待重定位药物的作用基因集，根据目标通路，构建有向图，根据有向图，确定所述作用基因集中的作用基因与所述目标通路中的目标基因的距离，其中，所述有向图为以基因为节点，以基因之间的交互关系为边构建的，根据所述距离，对待重定位药物进行重定位。本方法通过作用基因与目标基因之间的距离，对药物进行重定位，提高了药物重定位的效率。
-
公开(公告)号：CN116994671B
公开(公告)日：2024-01-02
申请号：CN202311242750.5
申请日：2023-09-25
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于点云数据快速筛选小分子药物的方法及装置。方法包括：获取靶蛋白对应的受体结构模型，并基于受体结构模型中各原子之间的空间几何关系，确定受体结构模型对应的第一点云数据；根据第一点云数据对受体结构模型进行裁剪，得到目标受体结构模型；针对每个药物分子，确定靶蛋白与该药物分子的复合物结构模型；确定复合物结构模型对应的第二点云数据，并根据第二点云数据中的每个原子点对应的位置信息、每个原子点对应原子的类型信息以及每个原子点对应原子的结构信息中的至少一种，构建预测模型的输入数据；将输入数据输入预先训练的预测模型中，确定结合亲和力；根据每个药物分子与靶蛋白之间的结合亲和
-
-
-
-
-
-
-
-
-
Search Results
314
records
(took 0.029 seconds)
