-
公开(公告)号：CN101799412B
公开(公告)日：2012-04-25
申请号：CN201010143072.3
申请日：2010-04-07
Applicant: 中国科学院自动化研究所
IPC: G01N21/35 , G01N21/59 , A61B5/1455
Abstract: 一种无创测量人体血糖的近红外光谱透射方法及装置，电子开关切换电源，两个不同波长的发光二极管的光束波长λ1和λ2；电子开关切换前，光电管及分析器记录两个发光二极管的光束强度I01、I02；用双光束光导纤维束将两个发光二极管的光束在空间上均匀混合后，电子开关的切换分时透过人体局部，电子开关切换瞬间分别记录波长λ1和λ2光束透过同一人体局部后的光束强度I1及I2；分析器通过光束强度I01、I02、I1和I2值计算与血糖值有关的人体介质衰减系数K1值，基于K1值与人体血糖值及当时人体体温相关，则修正体温变化影响，利用校准时体温的人体介质衰减系数K10与人体血糖值的函数关系式计算日常测量时的血糖值。
-
公开(公告)号：CN118820815B
公开(公告)日：2025-02-11
申请号：CN202411298432.5
申请日：2024-09-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种儿童检验指标参考区间的间接估计方法以及系统，应用于人工智能技术领域，其中，上述方法包括：获取多检验指标数据；将多检验指标数据样本数据集输入至预训练的权重学习网络，得到检验指标间相关度；根据预设的相似度函数对多检验指标数据样本数据集中的每个多检验指标数据样本进行加权融合，得到患者图结构数据；将患者图结构数据输入至预训练的图神经网络进行聚类分析，得到聚类结果；基于聚类结果，确定图重构学习目标；对图重构学习目标与相关度学习目标进行联合训练，在满足预设的联合学习目标时输出目标检验指标的参考区间结果；通过本发明能够在无标签信息的情况下有效地用于多检验指标数据场景。
-
公开(公告)号：CN118820815A
公开(公告)日：2024-10-22
申请号：CN202411298432.5
申请日：2024-09-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种儿童检验指标参考区间的间接估计方法以及系统，应用于人工智能技术领域，其中，上述方法包括：获取多检验指标数据；将多检验指标数据样本数据集输入至预训练的权重学习网络，得到检验指标间相关度；根据预设的相似度函数对多检验指标数据样本数据集中的每个多检验指标数据样本进行加权融合，得到患者图结构数据；将患者图结构数据输入至预训练的图神经网络进行聚类分析，得到聚类结果；基于聚类结果，确定图重构学习目标；对图重构学习目标与相关度学习目标进行联合训练，在满足预设的联合学习目标时输出目标检验指标的参考区间结果；通过本发明能够在无标签信息的情况下有效地用于多检验指标数据场景。
-
公开(公告)号：CN118690277A
公开(公告)日：2024-09-24
申请号：CN202411166442.3
申请日：2024-08-23
Applicant: 中国科学院自动化研究所
IPC: G06F18/2415 , G16H50/30 , G06F17/16 , G06F18/211 , G06F18/214
Abstract: 本发明公开了基于子矩阵集成与容忍缺失技术的智能健康评估方法，属于医疗数据处理技术领域。所述方法构建了一个特征选择器，使用对称不确定度作为权重，来选择生成完整子矩阵的特征，并通过子矩阵训练相应的子分类器来构建类似于决策树的集成分类器，通过构建多个这样的集成分类器，充分发挥了特征与特征和特征与标签之间的相互作用；通过证据理论将每个集成分类器的分类概率相组合，放大对预测结果较为确信的集成分类器的影响。本发明有效地识别和避开了医疗表格数据中的缺失特征，提高了模型的训练效率和性能。
-
公开(公告)号：CN118656681A
公开(公告)日：2024-09-17
申请号：CN202411124768.X
申请日：2024-08-16
Applicant: 中国科学院自动化研究所
IPC: G06F18/24 , G06N3/0442 , G06N5/02 , G06F18/15 , G06F123/02
Abstract: 本发明提供了一种时空数据预测方法、电子设备以及存储介质，可以应用于航迹预测领域。该方法包括：将飞行空间和飞行时间序列分别进行网格化处理以及标记编码；基于标记编码后的飞行三维空间网格和标记编码后的飞行时间网格构建多维度关系数据的时空知识图谱；利用时空知识图谱提取随时间变化的飞行热点区域序列，并基于飞行热点区域序列，通过训练完成的双向长短记忆网络对飞行热点区域进行预测，得到飞行热点区域的第一预测结果；利用时空知识图谱提取随时间变化的多变量时间序列，并基于多变量时间序列，通过训练完成的基于注意力机制的序列模型对飞行热点区域进行预测，得到飞行热点区域的第二预测结果。
-
Patent Agency Ranking
公开(公告)号：CN117708570B
公开(公告)日：2024-06-04
申请号：CN202410162891.4
申请日：2024-02-05
Applicant: 中国科学院自动化研究所
IPC: G06F18/213 , A61B5/00 , A61B5/369 , G06N3/0464 , G06N3/042 , G06N3/084 , G06N3/045 , G06F17/15
Abstract: 本发明提供一种癫痫预测方法、装置、电子设备及存储介质，应用于数据处理技术领域。该方法包括：获取脑电信号数据；提取所述脑电信号数据的癫痫数据特征，所述癫痫数据特征包括非欧式特征，所述非欧式特征包括相邻节点间的连接信息；根据所述癫痫数据特征识别患者脑状态对应的发病时期，所述发病时期包括癫痫发作前期和癫痫发作间期。
-
公开(公告)号：CN117911844A
公开(公告)日：2024-04-19
申请号：CN202410319373.9
申请日：2024-03-20
Applicant: 中国科学院自动化研究所
IPC: G06V10/94 , G06V10/44 , G06V10/762 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及计算机视觉技术领域，提供了一种多模态医学影像标注方法及装置，该方法包括：获取多模态医学影像数据，多模态医学影像数据包括多个成对样本；对多模态医学影像数据依次进行预处理和特征提取，得到第一高层表征，并根据多个成对样本之间的关联确定约束信息，关联包括多个成对样本之间的必连关系和不连关系；根据约束信息对第一高层表征进行迭代地细化与微调，得到第二高层表征；对第二高层表征进行聚类分析，得到多模态医学影像数据对应的伪标签信息，并根据伪标签信息对多模态医学影像数据进行标注和校准，得到新的多模态医学影像数据。本发明所述方法能够有效地泛化于弱标注应用场景，提高了图像标注的效率和准确率。
-
公开(公告)号：CN117332362A
公开(公告)日：2024-01-02
申请号：CN202210699691.3
申请日：2022-06-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种时空多源数据目标关联方法、装置、电子设备及存储介质，首先对每个单源时间序列数据进行单源目标关联，然后当目标对的局部相似度小于预设阈值时，通过各目标的拓扑结构特征，计算目标对的拓扑结构相似度，结合目标对的拓扑结构相似度，对任一时刻所述各数据源的单帧数据进行多源目标关联；最后根据单源目标关联得到的第一关联结果以及多源目标关联得到的第二关联结果，确定各数据源的目标关联结果。该方法可以解决因多个数据源编队结构不完备的情况下采用层次关联法导致的准确率不够的问题，通过引入拓扑结构特征的拓扑关系关联法，既可以使目标关联结果更加准确，避免了目标关联结果失效的现象出现，也可以提高关联效率。
-
公开(公告)号：CN117110649A
公开(公告)日：2023-11-24
申请号：CN202310969242.0
申请日：2023-08-02
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种运动数据的质量增强方法、装置和系统，其中方法包括：获取运动数据，运动数据是三轴加速度传感器中三个轴分别指向重力方向时进行数据采集得到的加速度数据；确定三个轴向上的校准函数，基于校准函数和运动数据，确定三个轴向上的校准值；基于校准值和重力方向上的重力加速度，对校准函数进行参数优化，得到最优校准函数；基于三个轴向上的最优校准函数，对运动数据中三个轴向上的加速度数据进行偏置校准，得到校准运动数据，克服了传统方案中因硬件差异导致采集得到的运动数据的误差较大、质量低下的缺陷，通过对运动数据的偏置校准减小了采样误差，提升了数据质量，可以在硬件水平受限的前提下，有效改善运动数据的质量问题。
-
公开(公告)号：CN110931128B
公开(公告)日：2023-04-07
申请号：CN201911232525.7
申请日：2019-12-05
Applicant: 中国科学院自动化研究所
IPC: G16H50/30 , G16H50/70 , G06F40/295 , G06N3/0464 , G06N3/088 , G06F18/2321 , G06F18/2413
Abstract: 本发明属于文本挖掘领域，具体涉及了一种非结构化医疗文本无监督症状自动识别方法、系统、装置，旨在解决现有医疗文本疾病症状自动识别方法计算复杂度高、具有很高的不可解释性的问题。本发明包括：自动获取症状实体，基于其字/词的位置信息，建立位置识别模型；从症状实体集合中学习字/词的嵌入表示，计算词嵌入空间中字/词的交互分值；提取待识别非结构化医疗文本的字/词序列，结合其在症状实体中的位置标注和交互分值，自动识别文本的症状实体。本发明利用自动获取的症状词典，充分挖掘症状实体的构词规律，有效实现医学症状实体的无监督自动抽取，模型计算复杂度低、精度高，同时减轻人工标注数据的代价，降低成本、错误率，提高效率。
-
-
-
-
-
-
-
-
-
Search Results
142
records
(took 0.04 seconds)
