-
公开(公告)号：CN110348241A
公开(公告)日：2019-10-18
申请号：CN201910629800.2
申请日：2019-07-12
Applicant: 之江实验室
Abstract: 本发明公开了一种数据共享策略下的多中心协同预后预测系统。该系统能够在多个医疗机构中心下实现隐私保护的数据共享，从而为模型构建提供足够的数据。本发明采用相对于弱分类器能够获得更好预测结果的集成学习算法来构建系统。该系统在各个中心处理敏感的患者级数据，并同时构建出集成学习模型的子分类器，仅交换不太敏感的中间结果以构建完整的集成学习模型，从而保证了所提出的多中心模型与集中式模型具有相同甚至更优的结果。本发明多中心协同预后预测系统保护了患者的个人隐私，不需要在大型集中式数据源上运行算法模型，在实际临床应用中，为单个医疗机构中构建预测模型的样本太少提供了可靠的解决方案。
-
公开(公告)号：CN118800455B
公开(公告)日：2024-12-31
申请号：CN202411263071.0
申请日：2024-09-10
Applicant: 之江实验室
Abstract: 本发明公开了基于自动特征工程的类风湿性关节炎患者肺间质病变风险预测系统；通过数据输入模块输入患者的症状以及医学检测结果，构成症状和医学检测结果特征；通过自动特征工程模块生成适用于二分类机器学习问题的特征，通过该模块的子模块评估连续型特征的类条件概率密度、舍弃不符合要求的特征、自动组合运算生成新特征、根据阈值筛选和保留新特征、记录新特征生成过程；通过模型训练模块基于树的模型对自动生成的特征进行训练并保存模型；通过疾病预测模块根据类风湿性关节炎患者肺间质病变风险预测模型以及患者的输入数据，预测类风湿性关节炎患者发生肺间质病变的风险。本发明对症状和医学检测结果进行自动特征工程，耗时更短，效率更高。
-
公开(公告)号：CN118230978B
公开(公告)日：2024-08-13
申请号：CN202410660224.9
申请日：2024-05-27
Applicant: 之江实验室
IPC: G16H50/70 , G16H10/60 , G06N5/022 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种疾病风险预测方法、系统、电子设备、介质，包括：获取医学知识图谱；根据医学知识图谱从每一个患者的电子病历数据中提取医学实体及其对应的关系从而构建每一个患者对应的电子病历图数据；基于医学知识图谱中的三元组对电子病历图数据进行增强从而获取简化电子病历图数据和扩展电子病历图数据；基于患者的电子病历数据提取患者数值信息表示；基于电子病历图数据提取患者语义信息表示；基于电子病历图数据、简化电子病历图数据、扩展电子病历图数据提取患者结构信息表示；将三者进行拼接得到患者融合表示；将患者融合表示输入至预先训练好的疾病风险预测模型中，得到疾病风险预测结果。
-
公开(公告)号：CN117094412B
公开(公告)日：2024-06-28
申请号：CN202311045465.4
申请日：2023-08-18
Applicant: 之江实验室
Abstract: 本发明公开了一种针对非独立同分布医疗场景下的联邦学习方法，本发明首先将类别标签变量分布相近的医疗机构分在同一个簇内，训练过程中，先对在每个簇内的本地训练后得到的本地模型权值进行联邦平均得到对应簇模型的更新权值，从而能够减少由于数据不平衡对准确预测联邦平均结果的影响，然后将能够获得较为准确的联邦平均结果的各个簇模型的更新权值进行整合得到当前迭代的全局模型权值，通过多次迭代得到能够准确对疾病诊断、用药推荐以及治疗方案等医疗问题进行预测的全局模型。本发明还公开了一种针对非独立同分布医疗场景下的联邦学习装置和存储介质。
-
公开(公告)号：CN117034142B
公开(公告)日：2024-02-09
申请号：CN202311283938.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06F18/2415 , G16H10/60 , G06F17/16 , G06N3/0464
Abstract: 本发明公开了一种不平衡医疗数据缺失值填充方法及系统，本发明使用推土机距离构建生成器和判别器的损失，能够解决在训练过程中生成器可能出现消失梯度的问题；将患者标签作为监督信号加入到生成器中，增加生成器生成患者数据的多样性；增加了辅助分类器，对填补单元填补后的患者数据进行预测，并将预测结果反馈给生成器，提高生成器的生成效果；利用随机数填充患者数据的缺失部分，将填充后的患者数据作为生成器的输入，通过生成器学习缺失值与其他数据间的关系，避免了在训练过程中需要收集足够多完整样本的问题；生成器损失由三部分组成，通过构建不同的损失，让生成器从不同角度考虑填充的效果，从而提高填充结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117010494B
公开(公告)日：2024-01-05
申请号：CN202311257598.8
申请日：2023-09-27
Applicant: 之江实验室
IPC: G06N5/02 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于因果表示学习的医学数据生成方法及系统，包括：获取医学知识图谱；根据医学知识图谱将患者医学数据重构为患者数据图谱；根据患者数据图谱得到邻接矩阵和节点初始嵌入表示集合，通过图编码器得到患者表征；根据患者表征利用注意力机制将患者数据图谱解耦为患者因果特征图和患者混淆特征图；根据患者因果特征图和患者混淆特征图生成患者重构因果特征图、患者合成因果特征图，构建并基于对抗学习训练医学数据生成模型，实现无法区分患者因果特征图与患者合成因果特征图，同时使患者因果特征图与患者重构因果特征图尽可能相似；将目标患者数据图谱输入至训练好的医学数据生成模型，得到生成的医学数据。
-
公开(公告)号：CN116759042B
公开(公告)日：2023-12-22
申请号：CN202311057093.7
申请日：2023-08-22
Applicant: 之江实验室
IPC: G16H10/60 , G16H50/70 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于环形一致性的反事实医疗数据生成系统，包括数据准备模块和反事实医疗数据生成模块，数据准备模块用于获取准备好的患者数据，反事实医疗数据生成模块用于生成反事实患者数据，利用生成器和训练好的解码器生成符合真实取值范围的与患者数据结局相反的反事实患者数据和与重建数据，基于结局相同的患者数据和反事实患者数据优化判别器；基于结局相同的患者数据和重建数据的环形一致性差异优化生成器，优化完成后固定生成器的参数生成反事实患者数据。本发明还公开了一种基于环形一致性的反事实数据生成方法。本发明方法能够生成准确可靠且鲁棒性强的反事实患
-
公开(公告)号：CN117034142A
公开(公告)日：2023-11-10
申请号：CN202311283938.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06F18/2415 , G16H10/60 , G06F17/16 , G06N3/0464
Abstract: 本发明公开了一种不平衡医疗数据缺失值填充方法及系统，本发明使用推土机距离构建生成器和判别器的损失，能够解决在训练过程中生成器可能出现消失梯度的问题；将患者标签作为监督信号加入到生成器中，增加生成器生成患者数据的多样性；增加了辅助分类器，对填补单元填补后的患者数据进行预测，并将预测结果反馈给生成器，提高生成器的生成效果；利用随机数填充患者数据的缺失部分，将填充后的患者数据作为生成器的输入，通过生成器学习缺失值与其他数据间的关系，避免了在训练过程中需要收集足够多完整样本的问题；生成器损失由三部分组成，通过构建不同的损失，让生成器从不同角度考虑填充的效果，从而提高填充结果的准确性。
-
公开(公告)号：CN117010494A
公开(公告)日：2023-11-07
申请号：CN202311257598.8
申请日：2023-09-27
Applicant: 之江实验室
IPC: G06N5/02 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于因果表示学习的医学数据生成方法及系统，包括：获取医学知识图谱；根据医学知识图谱将患者医学数据重构为患者数据图谱；根据患者数据图谱得到邻接矩阵和节点初始嵌入表示集合，通过图编码器得到患者表征；根据患者表征利用注意力机制将患者数据图谱解耦为患者因果特征图和患者混淆特征图；根据患者因果特征图和患者混淆特征图生成患者重构因果特征图、患者合成因果特征图，构建并基于对抗学习训练医学数据生成模型，实现无法区分患者因果特征图与患者合成因果特征图，同时使患者因果特征图与患者重构因果特征图尽可能相似；将目标患者数据图谱输入至训练好的医学数据生成模型，得到生成的医学数据。
-
公开(公告)号：CN116821375A
公开(公告)日：2023-09-29
申请号：CN202311092562.9
申请日：2023-08-29
Applicant: 之江实验室
Abstract: 本发明公开一种跨机构医学知识图谱表示学习方法，通过让各家医疗机构将本地医学知识图谱同态加密后发送给第三方服务器，第三方服务器在加密条件下完成本地医学知识图谱之间的医学概念匹配，获得全局医学知识图谱，以扩充现有医学知识图谱中的实体和关系。本发明还提供了一种跨机构医学知识图谱表示学习系统。本发明的方法可以解决现有技术中各医疗机构之间因特有医学实体导致的医学知识图谱差异问题，从而获得跨医疗机构语义一致表达的医学实体嵌入表示。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.037 seconds)
