-
公开(公告)号：CN115719641A
公开(公告)日：2023-02-28
申请号：CN202211376121.7
申请日：2022-11-04
IPC: G16H50/20 , G06N3/08 , A61B5/021 , G06F18/25 , G06F18/213 , G06N3/0464
Abstract: 本发明涉及医学临床技术领域，公开了基于时空信息融合的术中低血压预测方法及相关产品，本发明使用术中监测的生理指标，利用基于时空融合的深度学习模型对术中低血压进行提前预测，通过FCN层从所述输入矩阵中提取空间特征再通过GRU层从所述空间特征中提取生理指标的时间特征充分考虑了监测数据的局部空间特征和时间特征，有利于提高术中低血压的预测准确性；另外，本发明通过对原始样本数据的错误数据进行保留，并使用常值‑1填补缺失数据，扩展样本数据，解决了由于医学数据普遍存在着数据缺失和错误的问题，通过样本上采样解决了正常数据普遍比发病数据多而导致的正负例样本不均衡的问题。
-
公开(公告)号：CN114861659A
公开(公告)日：2022-08-05
申请号：CN202210575047.5
申请日：2022-05-24
Applicant: 成都信息工程大学
IPC: G06F40/289 , G06F40/30 , G06N3/04
Abstract: 本发明公开了一种基于深度神经网络的中医文献指代词识别方法及装置，所述方法包括：提取中医文献的中医文本序列中的字符序列特征向量；根据字符序列特征向量得到中医文献的词序列特征向量；根据中医文献中的中医文本序列的相邻上下文之间的依赖关系，对所述词序列特征向量进行预测，并根据预测结果为对应的词序列特征向量指派一个指代词标签。本发明可以有效对中医文献中的指代词进行识别，从而便于下游任务的开展，例如问题问答、信息检索、信息抽取等。
-
公开(公告)号：CN111813580B
公开(公告)日：2022-07-15
申请号：CN202010722500.1
申请日：2020-07-24
Applicant: 成都信息工程大学 , 成都成信高科信息技术有限公司
Abstract: 本发明公开了一种基于矩阵表示的分布式模型训练优化方法，方法包括：节点配置，在子节点中搭建神经网络，通过前向传播获取参数，随机梯度下降算法更新参数，将节点搭建成完全二叉树集群的形式；消息上传，在不同的主机上搭建通讯协议，子节点将消息通过消息队列并行传输到根节点，并对神经网络中的节点进行验证；模型上传，将模型文件分割成等份，并标注索引，采用并行IO流的方式将模型文件上传到根节点；安全检测，根节点对消息队列进行安全检查，确认安全后，从队列中取出模型文件，按照分割后的模型的索引号组成完整的模型，并将其作为当前神经网络的隐含层进行迁移学习的训练。通过本方案能大大减少分布式训练的耗时，并提高模型的训练效率。
-
公开(公告)号：CN114048320B
公开(公告)日：2022-03-29
申请号：CN202210029712.0
申请日：2022-01-12
IPC: G06F16/35 , G06F40/289 , G06K9/62 , G16H10/60
Abstract: 本发明公开了一种基于课程学习的多标签国际疾病分类训练方法，在对国际疾病大规模数据集进行分类自动编码时通过三种不同的小批量样本采样方法来控制标签分布。首先获取多标签国际疾病训练样本集，并将多标签国际疾病训练样本集划分为多个训练样本子集；第一阶段训练，对训练样本子集进行迭代分层采样与计算梯度并第一轮更新模型参数；第二阶段训练，对训练样本集进行迭代置乱切分与计算梯度并第二轮更新模型参数；第三阶段训练，对训练样本子集进行迭代概率采样和计算梯度并第三轮更新模型参数。本发明改进了当前主流模型的训练阶段，改进的模型在ICD编码多标签分类任务中大幅提升了模型精度和泛化能力。
-
公开(公告)号：CN114048320A
公开(公告)日：2022-02-15
申请号：CN202210029712.0
申请日：2022-01-12
IPC: G06F16/35 , G06F40/289 , G06K9/62 , G16H10/60
Abstract: 本发明公开了一种基于课程学习的多标签国际疾病分类训练方法，在对国际疾病大规模数据集进行分类自动编码时通过三种不同的小批量样本采样方法来控制标签分布。首先获取多标签国际疾病训练样本集，并将多标签国际疾病训练样本集划分为多个训练样本子集；第一阶段训练，对训练样本子集进行迭代分层采样与计算梯度并第一轮更新模型参数；第二阶段训练，对训练样本集进行迭代置乱切分与计算梯度并第二轮更新模型参数；第三阶段训练，对训练样本子集进行迭代概率采样和计算梯度并第三轮更新模型参数。本发明改进了当前主流模型的训练阶段，改进的模型在ICD编码多标签分类任务中大幅提升了模型精度和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN113392817A
公开(公告)日：2021-09-14
申请号：CN202110935837.5
申请日：2021-08-16
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多列卷积神经网络的车辆密度估计的方法及装置，方法包括：通过多列不同尺寸的卷积神经网络分别对车辆图片中的车辆特征进行提取，得到多种不同的车辆特征矩阵；利用所述多种不同的车辆特征矩阵，生成多列卷积神经网络；利用预存的训练车辆图片中的标签文件，生成真实密度图，并利用所述真实密度图对所述多列卷积神经网络进行训练，得到训练后的多列卷积神经网络；利用所述训练后的多列卷积神经网络估计预测车辆图片，生成估计密度图；根据所述估计密度图对所述预测车辆图片进行车辆密度估计。
-
公开(公告)号：CN109408831A
公开(公告)日：2019-03-01
申请号：CN201811186683.9
申请日：2018-10-11
Applicant: 成都信息工程大学
Abstract: 本发明是一种实现中医细粒度证候名分割的远程监督方法，其使用中医证候的命名和翻译惯例来训练基于中医细粒度证候名分割的条件随机场模型，首先利用汉英平行语料库中医证候的汉英字词关系，采用概率对准方法构建带噪声的标记训练数据，该概率对准方法可以启发式地结合正向对准和反向检查来推断出中医证候中的细粒度段，然后使用这些细粒度段训练条件随机场模型。本发明构思合理、简单，用于训练中医药领域中的基于中医细粒度证候名分割的条件随机场模型，几乎不依赖甚至不需要手工标记训练数据。
-
公开(公告)号：CN107665152A
公开(公告)日：2018-02-06
申请号：CN201710973448.5
申请日：2017-10-18
Applicant: 成都信息工程大学
CPC classification number: G06F11/1004 , G06F3/064 , G06F3/067
Abstract: 本发明属于计算机信息存储技术领域，具体是一种纠删码的译码方法。目前对基于二进制异或运算的纠删码，解码方法几乎都采用了循环迭代法，即不断循环遍历，这造成了解码的算法时间复杂度高，解码的速度低下；并且在没有解码前，难以对是否完全解码成功进行预判。本发明所述的一种纠删码的译码方法与传统循环迭代译码方法相比，解码的时间复杂度降低、速度提高；且适用于任何基于二进制异或运算的纠删码，包括EVENODD码、X码、STAR码、RDP码、斜率码等，应用范围广。
-
公开(公告)号：CN118942695A
公开(公告)日：2024-11-12
申请号：CN202410961442.6
申请日：2024-07-18
Abstract: 本发明属于临床辅助决策技术领域，公开一种基于检索增强的术后风险预测方法、系统及介质，为了辅助麻醉医生或外科医生为患者制定合适的医疗资源计划、优化医疗资源的分配，通过构建术后风险预测框架来实现术后风险预测；所述术后风险预测框架包括：用于将表格数据实例转化为文本实例的特征提取器、用于对文本实例进行编码操作得到实例向量的特征编码器、用于从额外知识库中检索出与特征编码器输出的实例向量最相似的前k个实例向量的检索器、用于将标签嵌入成与实例向量相同维度的向量表示的标签嵌入器、用于根据标签嵌入向量矩阵将所述检索器输出的实例向量与目标实例进行融合的融合器和用于根据检索增强目标实例向量输出预测结果的预测器。
-
公开(公告)号：CN115862875B
公开(公告)日：2024-02-09
申请号：CN202310167372.2
申请日：2023-02-27
Abstract: 进一步提高PPC预测的性能。本发明提供了一种基于多类型特征融合的术后肺部并发症预测方法及系统，属于数据处理技术领域，基于多类型特征融合的术后肺部并发症预测方法由其系统执行，方法包括：步骤S1.获取临床记录表格数据的表格数据特征；获取术前诊断文本的粗粒度医学语义信息特征和细粒度医学语义信息特征；步骤S2.分别对步骤S1得到的特征进行编码，分别得到第一矩阵、第二矩阵和第三矩阵；并采用自注意机制和交叉注意机制对得到的矩阵进行多类型特征融合，得到输出向
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.026 seconds)
