-
公开(公告)号：CN119170189B
公开(公告)日：2025-03-18
申请号：CN202411611277.8
申请日：2024-11-12
Applicant: 神州医疗科技股份有限公司
IPC: G16H20/00 , G16H70/00 , G06F18/25 , G06F16/353 , G06N5/022 , G06N3/0455 , G16H20/10 , G16H20/40
Abstract: 本发明涉及医疗领域，特别涉及权衡知识库和模型结果的脑肿瘤诊疗方案生成方法及系统，该方法包括：获取与脑肿瘤相关的文本证据信息；构建知识库；构建并训练诊疗方案生成模型；构建并训练方案打分模型；获取目标患者的病案文本信息，基于知识库匹配技术和诊疗方案生成模型的模型生成结果，生成脑肿瘤诊疗方案的推荐方案。本发明通过权衡精确的知识库和准确的模型生成结果，利用推荐方案生成技术来动态生成个性化的辅助诊疗方案，不仅提高了诊疗决策的准确性和效率，还能够为医务人员提供更好的决策支持。
-
公开(公告)号：CN119541895A
公开(公告)日：2025-02-28
申请号：CN202510096940.3
申请日：2025-01-22
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/80 , G16H50/70 , G06F18/213 , G06F18/27 , G06N3/0455 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了基于多阶段学习的大模型传染病预测和预警方法及系统，主要在于针对数据构建了多阶段的学习模型，分别通过不同阶段学习到数据中的基础特征，时序特征，扩充特征，之后再通过我们重新自定义的注意力机制模型，将前面阶段学习到的结果进行融合计算，形成综合特征表示，本方案按顺序构建的针对不同特征的不同阶段的学习模型，分别学习到不同的信息，自定义的注意力融合机制，通过注意力遍历两两计算及为每个阶段的结果赋予不同的权重因子再加权融合，充分融合了不同阶段的结果，通过融合多源数据实现对传染病疫情的多阶段、全面、精准预测与预警。
-
公开(公告)号：CN119475237A
公开(公告)日：2025-02-18
申请号：CN202411586167.0
申请日：2024-11-08
Applicant: 神州医疗科技股份有限公司
IPC: G06F18/25 , G06F18/2431 , G06F18/214 , G16H10/40 , G16H50/30
Abstract: 本发明涉及医疗领域，特别涉及一种肝硬化预后预测的模型融合方法及系统，该方法包括：获取历史肝硬化患者的特征数据和类型标签数据；构建数据集；构建并训练三种多分类模型；基于预设的多分类对数损失公式，计算三种多分类对数损失值；基于预设的模型融合权重公式和三种多分类对数损失值，分别计算融合权重值；将目标肝硬化患者的特征数据输入至训练后的三种多分类模型中，得到预测对应类型标签的预测结果；基于预设的模型融合策略，得到模型融合预测结果。本发明通过融合多分类对数损失公式、模型融合权重公式和模型融合策略对模型输出结果进行模型融合分析，以便提高模型融合预测结果的准确性，从而为医务人员提供更好的决策支持。
-
公开(公告)号：CN119007825A
公开(公告)日：2024-11-22
申请号：CN202411480609.3
申请日：2024-10-23
Applicant: 神州医疗科技股份有限公司
IPC: G16B40/00 , G16B50/00 , G06F16/2455 , G06F16/2458 , G06F16/248 , G16H50/30 , G06N20/00
Abstract: 本发明涉及生物信息学、基因检测和医学领域，尤其涉及基于人工智能的风险预测变异位点筛选评价系统及方法，该系统包括：包括文献检索模块、评价指标提取模块、评分模块、变异位点筛选模块和用户交互模块。该系统支持自动化实现地文献检索、评价指标提取、位点评分、变异位点筛选等功能，不仅能够有效提高变异位点筛选的效率和准确性，还能够有效地筛选出高质量的变异位点，以便为疾病风险预测、个性化医疗和临床基因检测提供重要支持。
-
公开(公告)号：CN118035678A
公开(公告)日：2024-05-14
申请号：CN202410142915.X
申请日：2024-02-01
Applicant: 神州医疗科技股份有限公司
IPC: G06F18/20 , G06F18/2433 , G06N5/022 , G06F40/216 , G06F40/295
Abstract: 本发明涉及一种医学知识图谱质量评估方法及系统；该方法通过用户在前端发起对目标定义型医学知识图谱进行检测的Api请求，该Api请求通过http接口形式返回至后端服务器，后端服务器在接收该Api请求后开始调用知识图谱检测系统进行检测，基于形式检测、概念异常检测和关系一致性检测，以便对目标定义型医学知识图谱的状态和不足之处进行筛选，生成相应的质量检测结果，后端服务器将生成的质量检测结果再次通过HTTP接口形式返回至前端，用于展示质量检测结果，以供用户查看，通过查看质量检测结果，用户能够对目标定义型医学知识图谱的状态和不足之处认识和了解，以便下一步的修正，从而提高了定义型医学知识图谱内知识的准确性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN117809792B
公开(公告)日：2024-05-03
申请号：CN202410221624.X
申请日：2024-02-28
Applicant: 神州医疗科技股份有限公司
IPC: G16H10/60 , G06F16/31 , G06F16/35 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种跨病种迁移时病种数据结构化的方法及系统；该方法包括：S1、构建问题库；S2、输出目标病种BERT语言模型和其它病种BERT语言模型；S3、过滤出目标病种句；S4、将目标病种句输入至目标病种BERT语言模型中，输出目标病种句向量；S5、得到目标病种已标注语料；S6、构造训练数据，将训练数据输入至初始分类模型中进行训练，得到训练分类模型；S7、得到目标病种结构化数据。本发明通过设置问题库，将病历和问题库结合输入至训练分类模型中，根据训练分类模型中的预测结果来提供结构化信息，从而得到较为精确和一致的病历数据整合结果，通过小批量样本标注以实现大批量样本标注的技术效果，能够满足跨病种迁移时的需求。
-
公开(公告)号：CN117711635A
公开(公告)日：2024-03-15
申请号：CN202410162478.8
申请日：2024-02-05
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/70 , G16H10/60 , G06F16/901 , G06F16/903 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种医学影像检查结果分析方法及装置，通过深度学习技术、构建改进Trie树和微调后的疾病名称提取模型分别识别出第一类疾病分析实体、第二类疾病分析实体和第三类疾病分析实体，最终将三种结果进行融合后，再根据疾病语料库映射到ICD编码中，通过查询疾病专业知识库中的ICD编码，从而返回对应的疾病专业知识，解决了患者并不能很好的从检查结果中获取到更多关于疾病的信息的问题，帮助患者更好的了解自身病情，理性看待病情，有利于患者协助医生做出有针对性的诊疗，提高诊疗效率。
-
公开(公告)号：CN117349676B
公开(公告)日：2024-03-12
申请号：CN202311650060.3
申请日：2023-12-05
Applicant: 神州医疗科技股份有限公司
IPC: G06F18/214 , G06F18/2415 , G06F18/2431 , G06F16/25
Abstract: 本发明提供了基于mq端口和redis数据库的模型训练方法及系统，该方法包括以下步骤：将现有医疗数据的数据格式进行统一，并作为训练集；利用训练集对预测模型进行训练；利用预测模型输出预测结果，将预测结果和审核结果存储于数据库并进行对比；若预测结果进行过修改，则将审核结果作为正例数据，预测结果作为负例数据，并将所述正例数据和对应的负例数据作为一条样本存储于积存数据库中；将积存数据库中的样本作为自训练集输入预测模型，对预测模型重新训练，并将积存数据量重置为零。本发明将预测模型的输出结果进行存储以及发送人工审核，同时利用审核结果以及预测结果的对比，生成新的训练集，并对原预测模型进行重新训练。
-
公开(公告)号：CN117274750B
公开(公告)日：2024-03-12
申请号：CN202311573882.6
申请日：2023-11-23
Applicant: 神州医疗科技股份有限公司
IPC: G06V10/774 , G06N3/0464 , G06N3/084 , G06N3/096 , G06T7/00 , G06T7/11 , G06V10/26 , G06V10/28 , G06V10/44 , G06V10/74
Abstract: 本发明公开了一种知识蒸馏半自动可视化标注方法及系统，涉及数据标注技术领域。包括得到预训练后的医学图像分割模型，优化模型预训练损失；基于医学图像数据集采用无监督预训练方法得到的数据训练得到图像特征预测模型；将医学图像数据集输入医学图像分割模型和图像特征预测模型后，提取第一特征图和第二特征图；根据图像分割标注生成语义mask，用语义mask加权平均池化，得到第一特征向量和第二特征向量；计算第一特征向量和第二特征向量之间的余弦相似度，得到医学图像分割模型的蒸馏误差；合并预训练损失和蒸馏误差得到总损失，基于总损失优化医学图像分割模型。本发明实现了协作标注和隐私保护，提升了医学标注效率。
-
公开(公告)号：CN117576127A
公开(公告)日：2024-02-20
申请号：CN202410067270.8
申请日：2024-01-17
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/11 , G06T7/136 , G06T7/194 , G06V10/28 , G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于病理图像的肝癌区域自动勾画方法，具体涉及肝癌病理图像预测技术领域。本申请基于肝癌病理图像建立了预测肝癌癌区的模型流程，并且模型效果较好，其中dice值达到0.92，具体的是构建了深度学习病理图片识别模型，具体的是通过深度学习勾画癌区、再利用影像组学提取特征并根据特征训练模型以及判别任务，具备步骤详细、方案清晰和预测准确的优点；解决了医生看病理图片费时标注癌区费力的问题，并且也避免出现假阳性患者浪费医疗资源，分析准确率高；通过预测时截取patches中心部分预测并应用于patches其他区域，有效节约了模型训练与预测的时间，同时模型训练与预测精度损失也较小。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.075 seconds)
