-
公开(公告)号：CN114780083B
公开(公告)日：2022-10-18
申请号：CN202210685209.0
申请日：2022-06-17
Applicant: 之江实验室
IPC: G06F8/34 , G06F3/0486 , G06F16/36 , G06F40/253 , G06F16/951 , G06F21/62 , G06F21/60
Abstract: 本发明公开了一种知识图谱系统的可视化构建方法及装置。本发明通过中心服务器确定分布客户端的数据权限。中心服务器得到知识图谱系统母模板并发送至分布客户端。分布客户端接收用户输入的自然语言，解析生成抽象语法树。用户通过可视化操作完成知识图谱系统子模板的定制。分布客户端将子模板加密后发送到中心服务器。在使用知识图谱系统时，输入任意知识概念，中心服务器便会调取子模板，解密之后检索数据库，生成树状结构知识图谱发送到分布客户端。分布客户端解析树状结构知识图谱，渲染生成符合输入要求的知识图谱。本发明能够直接生成各个研究领域的知识图谱系统而不需要前后端的二次开发，减轻开发人员负担，提高工作效率，降低维护成本。
-
公开(公告)号：CN115148375A
公开(公告)日：2022-10-04
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：CN115145591A
公开(公告)日：2022-10-04
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：CN115131642A
公开(公告)日：2022-09-30
申请号：CN202211047979.9
申请日：2022-08-30
Applicant: 之江实验室
IPC: G06V10/80 , G06V10/762 , G06V10/20
Abstract: 本发明公开了一种基于多视子空间聚类的多模态医学数据融合系统，首先对影像进行结构化处理得到影像特征，同时，提取电子病历中与疾病相关的临床变量得到临床特征，然后基于多视子空间聚类引导的多模态数据融合模型，对影像特征和临床特征进行筛选与融合，得到每个特征的重要性排序，最后根据设定的特征数目，得到电子病历和影像数据的融合结果，该融合结果综合电子病历信息和影像信息，从而提高相关疾病预测结果的准确性；本发明保证每种模态的数据在各自空间中可以自表示，保持块对角结构，同时保证融合数据的聚类结果是一致的。利用多视子空间的互补性原则和一致性原则可以综合多模态数据中的互补信息，保证分析结果的一致性。
-
公开(公告)号：CN114664452A
公开(公告)日：2022-06-24
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。
-
Patent Agency Ranking
公开(公告)号：CN114565613A
公开(公告)日：2022-05-31
申请号：CN202210466102.7
申请日：2022-04-29
Applicant: 之江实验室
IPC: G06T7/00 , G06T7/62 , G06V10/25 , G06V10/26 , G06V10/762 , G06V10/82 , G06K9/62 , G16H50/20 , A61B6/00 , A61B6/03
Abstract: 本发明公开了一种基于有监督深度子空间学习的胰腺术后糖尿病预测系统。利用深度卷积神经网络自动分割术前CT胰腺区域，利用MITK软件进行胰腺切缘模拟，获得术后的残余胰腺区域，大大减小感兴趣区域标注的工作量。对残余胰腺区域提取传统影像组学特征和深层语义特征，构建高维影像特征集；提取与糖尿病相关的临床因素，包括胰腺切除率、脂肪与肌肉组织成分、人口学信息和生活习惯，构建临床特征集。基于一个有监督的深度子空间学习网络，对影像和临床特征在子空间中进行降维表示和融合，同时训练预测模型，挖掘与预测任务高度相关的敏感特征，对患者术后患糖尿病风险进行预测，具有较高的自动化程度和判别精度。
-
公开(公告)号：CN114004233B
公开(公告)日：2022-05-06
申请号：CN202111644281.0
申请日：2021-12-30
Applicant: 之江实验室
IPC: G06F40/295 , G06F40/242 , G06F40/211 , G06F40/216 , G06F16/903 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于半训练和句子选择的远程监督命名实体识别方法，该方法首先通过半训练策略将双向循环神经网络和条件随机场混合双向循环神经网络和条件随机场混合模型在人工标注数据集上的平衡F分数训练到预设半训练区间；然后采用FNN作为强化学习中的策略网络，来对远程监督数据集中的句子进行选择；接着采用软概率选择出置信度大于阈值的句子；然后将筛选出的句子和人工标注数据集进行合并作为新的训练集；最后利用新的训练集对双向循环神经网络和条件随机场混合双向循环神经网络和条件随机场混合模型进行训练，同时对策略网络进行更新。本发明方法能够有效提高基于远程监督的命名实体识别模型的性能。
-
公开(公告)号：CN113921141B
公开(公告)日：2022-04-08
申请号：CN202111523880.7
申请日：2021-12-14
Applicant: 之江实验室
Abstract: 本发明公开了一种个体慢病演进风险可视化评估方法及系统，本发明从研究文献中获取风险关系知识，并对同一研究目的的不同研究结果进行合并，从而系统地构建包含各种复杂关系的慢病风险循证语义知识库；基于慢病风险循证语义知识库，结合患者个体数据和人群暴露率数据，计算患者个体慢病演进风险，绘制患者个体慢病演进风险路径图，既考虑患者个体差异，给出个性化评估结果，又确保评估结果有循证支持；本发明提供可视化、交互式的患者个体慢病演进风险分析方法，让信息表达更加清晰、直观、生动，让患者充分了解自身慢病演进风险、干预治疗措施的预期效果，充分参与临床决策，实现医患共同决策，提升患者依从性及治疗效果。
-
公开(公告)号：CN114118031A
公开(公告)日：2022-03-01
申请号：CN202111359408.4
申请日：2021-11-17
Applicant: 之江实验室
IPC: G06F40/174 , G06F40/205 , G06F40/30
Abstract: 本发明公开了一种端到端的抹平表单差异性的方法，自然语言处理侧的客户端获取描述表单内容的自然语言，交由自然语言处理侧的服务端对其进行语义解析，提取出描述表单内容的映射关系存入数据库中；表单处理侧的客户端将处理的每一种表单元素展示和处理的逻辑封装成对外透明的抹平表单差异性的表单组件；表单处理侧的服务端从数据库中读取映射关系并响应给表单处理侧的客户端；表单处理侧的客户端调用抹平表单差异性的表单组件并挂载上映射关系，渲染出相应的表单，即可得到映射关系所表达的表单。本发明使得开发一套代码可以用在所有用户输入表单的模块中，提高表单代码的可移植性和可扩展性，减轻开发人员负担、提高工作效率，降低维护成本。
-
公开(公告)号：CN111261299B
公开(公告)日：2022-02-22
申请号：CN202010038230.2
申请日：2020-01-14
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多源迁移学习的多中心协同癌症预后预测系统，该系统包括模型参数设置模块、数据筛选模块和多源迁移学习模块；模型参数设置模块负责设置癌症预后预测模型参数；数据筛选模块布置于临床中心，管理中心将设置好的模型参数传输到各临床中心，各临床中心依据模型参数从本地数据库中查询样本特征与预后指标数据，对数据进行预处理；多源迁移学习模块包括源模型训练、迁移权重计算和目标模型计算单元。本发明利用多源迁移学习解决源中心与目标中心之间数据存在异质性的问题及目标中心标签数据不足问题，在考虑多中心数据异质性的前提下构建更加精准的预测模型。同时，模型训练过程中各机构的原始数据互补共享，避免患者隐私泄露。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.03 seconds)
