-
公开(公告)号：CN118733772A
公开(公告)日：2024-10-01
申请号：CN202410856045.2
申请日：2024-06-28
Applicant: 浙江大学
IPC: G06F16/35 , G06F18/213 , G06F18/22 , G06N3/0455 , G06N3/047
Abstract: 本发明公开了一种儿童医疗文本数据分类方法，包括：(1)获取儿童医疗文本数据，标注得到层级多标签文本；(2)处理得到医疗文本、正样本标签文本、负样本标签文本，构建三元组数据集；(3)构建三塔模型，三塔模型包括三个编码器模块、一个标签召回模块和一个标签排序模块；(4)基于三元组数据集训练三塔模型；(5)使用训练完的三塔模型，分别对层级多标签文本中的父类标签文本和子类标签文本进行处理，将得到特征向量保存至离线特征向量库中；(6)针对待预测儿童医疗文本，使用三塔模型进行处理，再结合离线特征向量库，预测获取相似度高于阈值的top‑k预测标签。本发明可以大大提高儿童医疗文本到标签的匹配效率。
-
公开(公告)号：CN114408236B
公开(公告)日：2024-09-20
申请号：CN202210186207.7
申请日：2022-02-28
Applicant: 浙江大学
Abstract: 本发明公开了一种智能母乳分装设备，包括分装箱体以及与分装箱体配合使用的大、小奶瓶，分装箱体的正面设有圆形内腔和透明翻盖；圆形内腔内设有由第一驱动机构驱动的分装旋转盘，分装旋转盘上设有大奶瓶移动区域，大奶瓶移动区域上可滑动的设有大奶瓶底托，大奶瓶底托与第二驱动机构连接；分装旋转盘还设有小奶瓶底托；大奶瓶底托和小奶瓶底托之间的位置设有带断流器的分流软管；大奶瓶底托和小奶瓶底托上分别设有第一感应芯片和第二感应芯片；分装箱体内设有数据集成处理器，数据集成处理器分别与第一驱动机构、第二驱动机构、第一感应芯片、第二感应芯片以及断流器连接。利用本发明，可以降低母乳污染的风险，提高母乳分装的准确度。
-
公开(公告)号：CN117636064B
公开(公告)日：2024-05-28
申请号：CN202311768173.3
申请日：2023-12-21
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于儿童病理切片的神经母细胞瘤智能分类系统，包括训练好的神经母细胞瘤分类模型；神经母细胞瘤分类模型包括：特征提取模块、Transformer编码模块和特征组合聚合模块；其中，特征提取模块采用预训练好的SENet模型，其输入为病理理切片通过数据预处理得到的不同分辨率下的Patch图和子图，输出为Patch图和子图的特征序列；Transformer编码模块对Patch图和子图的特征序列进行编码得到对应的特征值，进一步得到不同分辨率对应的全图的特征图；特征组合聚合模块将不同分辨率的特征图融合，得到总特征图，并通过全局池化得到特征序列；最后将特征序列通过Softmax层得到未分化、低分化、分化的三分类结果。利用本发明，可实现儿童神经母细胞瘤分化程度的精准诊断。
-
公开(公告)号：CN118014981A
公开(公告)日：2024-05-10
申请号：CN202410277189.2
申请日：2024-03-12
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/70 , G06N3/0455 , G06N3/0464 , G06V10/52 , G06V10/44 , G06V10/80 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双层CSwin和CNN的头影标志点定位方法，包括：(1)采集头颅侧位影像数据集，标注头影标志点后划分为训练集和验证集；(2)对训练集和验证集中的头颅侧位影像进行预处理；并将头颅侧位影像中的头影标志点位置转换为二维高斯热图；(3)构建标志点定位模型，所述的标志点定位模型包括一个CNN编码器、一个双层CSwin编码器和一个解码器；(4)利用训练集对标志点定位模型进行训练，并通过验证集对训练好的模型进行验证；(5)将待定位的头颅侧位影像预处理后输入训练好的模型，预测得到头影标志点的热图；将热图转换为标志点，得到头影标志点的坐标。利用本发明，可以获得更为精准的头影标记点定位结果。
-
公开(公告)号：CN115034204B
公开(公告)日：2023-05-23
申请号：CN202210518716.5
申请日：2022-05-12
Applicant: 浙江大学
IPC: G06F40/216 , G06F40/151 , G06F40/247 , G06F40/289 , G16H10/60
Abstract: 本申请提供了结构化医学文本的生成方法，包括：获取医学文本；确定所述医学文本所属的文本类别；根据所述文本类别选择预设的医学模板，所述医学模板中包含多个医学分词；根据所述医学分词对所述医学文本进行分词，得到医学变量；将所述医学文本和所述医学变量输入span‑based模型，得到中间医学文本，所述中间医学文本中包含所述医学变量、以及与所述医学变量对应的变量值；参照标准化医学数据库的格式处理所述中间医学文本，得到所述结构化医学文本。本申请提供的结构化医学文本的生成方法、计算机设备、存储介质和程序产品，能够节省人力，提高效率。
-
Patent Agency Ranking
公开(公告)号：CN114795258B
公开(公告)日：2022-10-21
申请号：CN202210404776.4
申请日：2022-04-18
Applicant: 浙江大学
IPC: A61B6/00
Abstract: 本发明公开了一种儿童髋关节发育不良诊断系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的诊断识别模型，所述的诊断识别模型包括基于Mask‑RCNN的儿童骨骼分割模块、基于HRNet的关键点检测模块以及基于TO‑ResNet的特征提取模块。利用本发明，能够自动、快速、准确地测量髋臼指数、CE角，并计算出等级和IHDI等级。
-
公开(公告)号：CN115034204A
公开(公告)日：2022-09-09
申请号：CN202210518716.5
申请日：2022-05-12
Applicant: 浙江大学
IPC: G06F40/216 , G06F40/151 , G06F40/247 , G06F40/289 , G16H10/60
Abstract: 本申请提供了结构化医学文本的生成方法，包括：获取医学文本；确定所述医学文本所属的文本类别；根据所述文本类别选择预设的医学模板，所述医学模板中包含多个医学分词；根据所述医学分词对所述医学文本进行分词，得到医学变量；将所述医学文本和所述医学变量输入span‑based模型，得到中间医学文本，所述中间医学文本中包含所述医学变量、以及与所述医学变量对应的变量值；参照标准化医学数据库的格式处理所述中间医学文本，得到所述结构化医学文本。本申请提供的结构化医学文本的生成方法、计算机设备、存储介质和程序产品，能够节省人力，提高效率。
-
公开(公告)号：CN114913107A
公开(公告)日：2022-08-16
申请号：CN202210569168.9
申请日：2022-05-24
Applicant: 浙江大学
IPC: G06T5/50
Abstract: 本发明公开了一种儿童临床低剂量CT图像的增强方法，包括：(1)收集训练数据集和验证数据集，(2)对图像进行预处理；(3)构建CT图像增强模型，所述的CT图像增强模型基于改进的双通道Transformer网络，还包含图像分解模块和分段重建模块；(4)利用训练数据集对CT图像增强模型进行训练，并利用验证数据集对CT图像增强模型进行评估；(5)将待增强的儿童临床低剂量CT图像输入训练好的CT图像增强模型，得到最终增强的儿童低剂量CT图像。利用本发明，可以将低剂量噪声污染严重的图像增强至满足临床诊断要求的图像质量。
-
公开(公告)号：CN114188021B
公开(公告)日：2022-06-10
申请号：CN202111520413.9
申请日：2021-12-13
Applicant: 浙江大学
IPC: G16H50/20 , G06V10/46 , G06V10/80 , G06V10/82 , G06F40/295 , G06F40/30 , G06F16/28 , G06F16/36 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多模态融合的儿童肠套叠诊断智能分析系统，包括儿童肠套叠关系抽取模型、文本特征提取模型、超声影像质控模型、结构化数据特征提取模型和特征融合模型；儿童肠套叠关系抽取模型用于构建儿童肠套叠知识图谱；文本特征提取模型用于提取原始诊断病历、超声诊断报告中的文本特征；超声影像质控模型用于提取儿童肠套叠超声影像中的图像特征；结构化数据特征提取模型用于提取儿童肠套叠实验室数据中的结构化数据特征；特征融合模型用于融合文本特征、图像特征和结构化数据特征，输出高维特征后，使用归一化函数将儿童肠套叠的预测输出映射为概率分布。本发明可以实现儿童肠套叠疾病的快速诊断，缩短诊断时间、降低假阳性率。
-
公开(公告)号：CN111671448A
公开(公告)日：2020-09-18
申请号：CN202010424646.8
申请日：2017-12-08
Applicant: 浙江大学 , 杭州依图医疗技术有限公司
IPC: A61B6/00
Abstract: 本发明提供基于深度学习的检测受检者的骨龄的方法和装置，该方法包括：输入步骤，输入受检者的手的X光图片以及受检者的性别；获取步骤，从X光图片中获取手上的每块骨骼对应的多个关键点；提取步骤，从X光图片中提取出部分骨骼各自的初始图片；矫正步骤，对部分骨骼中的每块骨骼的初始图片进行矫正，以获得部分骨骼各自的矫正图片；第一确定步骤，确定部分骨骼中的每块骨骼的生长阶段信息，并在多块骨骼中不包括腕骨的情况下，确定腕骨的生长阶段信息；第二确定步骤，根据部分骨骼中的每块骨骼的生长阶段信息，或者根据部分骨骼中的每块骨骼的生长阶段信息和腕骨的生长阶段信息，确定受检者的骨龄。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.03 seconds)
