-
公开(公告)号：CN106897545A
公开(公告)日：2017-06-27
申请号：CN201710007736.5
申请日：2017-01-05
Applicant: 浙江大学
IPC: G06F19/00
CPC classification number: G16H50/20
Abstract: 本发明公开了一种基于深度置信网络的肿瘤预后预测系统，包括：用于采集肿瘤信息的数据采集模块；用于对肿瘤原始数据进行缺失值处理和归一化处理的数据预处理模块；用于对肿瘤数据进行深度学习和预测建模的数据学习预测模块；用于将数据学习预测模块输出的相对风险进行显示的预测结果显示模块；本发明利用高斯受限玻尔兹曼机，保留数据的非线性特征；根据输入数据的维度、输出分类的数量、模型的准确度，可以灵活扩展深度置信网络；模型训练过程中，不采用任何限制和假设，可以充分挖掘变量对结果的影响方式以及变量之间的相互作用，全面展现不同因素对肿瘤预后影响的方式，并提高肿瘤预后预测的准确性。
-
公开(公告)号：CN103973936A
公开(公告)日：2014-08-06
申请号：CN201410055499.6
申请日：2014-02-19
Applicant: 浙江大学
Abstract: 本发明公开了一种高强度医学图像快速加密方法及解密方法，加密过程包括计算图像Hash值、分解图像、打包关键数据、使用RSA公钥对关键数据加密、通过随机数和递归公式生成SHA-256输入、获得AES动态密钥、通过AES动态密钥对数据块加密、打包发送，解密方法为加密方法的反向过程。本发明对关键数据进行了高强度加密，对文件体部分在快速加密的同时兼顾了强度，使加密速度和强度有了较好的平衡，适用于一般的医疗网络。
-
公开(公告)号：CN119943415A
公开(公告)日：2025-05-06
申请号：CN202510429749.6
申请日：2025-04-08
Applicant: 浙江大学 , 中国医学科学院北京协和医院
Abstract: 本发明公开了一种基于非对称因果关联的类风湿关节炎并发症预测系统，获取患者临床时间序列数据并进行预处理，统计临床数据中并发症疾病标签出现的次数，构建疾病相关性矩阵，计算每一个并发症疾病标签对的入度和出度，并构建并发症因果关联增强矩阵；根据相关性和因果关联程度将并发症疾病进行层次聚类，获得并发症疾病组合的疾病亚群，对并发症风险进行动态预测。本发明能够更准确地反映类风湿关节炎RA患者的多病共存及其动态演化，为临床决策支持提供更加精确的风险评估与预测工具。
-
公开(公告)号：CN117112807B
公开(公告)日：2024-01-30
申请号：CN202311374365.6
申请日：2023-10-23
Applicant: 浙江大学
Abstract: 本发明公开了一种基于力学模型的知识图谱关联信息焦点可视化方法及系统，本发明在构建领域本体模型的基础上构建患者个体医疗知识图谱，并在可视化布局中将节点与边分别抽象为具有力学特性的球体与圆形截面细杆，通过计算实体间的相关度、节点的重要性、边的信息增益等，得到节点对应的球体半径、边对应的细杆长度与截面积。在本发明构建的图谱中，通过节点聚集程度反映强相关度知识之间的联系，通过用户交互操作产生的图谱动态变化使用力学模型进行图谱自适应再布局，经过再布局后，与用户关心的节点关联度越大的节点将集中显示在(56)对比文件CN 116108922 A,2023.05.12CN 116682553 A,2023.09.01孙凯;刘玉华;张成海;王长波.基于网络数据的企业知识图谱可视化.东华大学学报(自然科学版).2016,(第04期),473-477、484.
-
公开(公告)号：CN117112807A
公开(公告)日：2023-11-24
申请号：CN202311374365.6
申请日：2023-10-23
Applicant: 浙江大学
Abstract: 本发明公开了一种基于力学模型的知识图谱关联信息焦点可视化方法及系统，本发明在构建领域本体模型的基础上构建患者个体医疗知识图谱，并在可视化布局中将节点与边分别抽象为具有力学特性的球体与圆形截面细杆，通过计算实体间的相关度、节点的重要性、边的信息增益等，得到节点对应的球体半径、边对应的细杆长度与截面积。在本发明构建的图谱中，通过节点聚集程度反映强相关度知识之间的联系，通过用户交互操作产生的图谱动态变化使用力学模型进行图谱自适应再布局，经过再布局后，与用户关心的节点关联度越大的节点将集中显示在关心节点周围，从而实现关联信息的焦点可视化，帮助用户更快地发现知识之间不同层次的关联关系，提高知识传播效果。
-
Patent Agency Ranking
公开(公告)号：CN115019960A
公开(公告)日：2022-09-06
申请号：CN202210915596.2
申请日：2022-08-01
Applicant: 浙江大学
Abstract: 本发明公开了一种基于个性化状态空间进展模型的疾病辅助决策系统，本发明将患者聚类和疾病进展轨迹识别嵌套在一起，更新迭代直至收敛得到个性化状态空间进展模型，通过建立模型对疾病进展轨迹迭代聚类，充分利用了同一类别中的患者数据，在挖掘疾病进展轨迹的同时将患者分为若干个亚型，且随着亚型内患者增多不断修正该亚型的疾病进展轨迹，最后基于个性化状态空间进展模型预测患者未来的疾病进展，帮助临床医生进行辅助决策。本发明使用状态空间模型关注疾病潜在的状态空间，有效解释了疾病的隐藏状态，提供了可供理解的疾病进展模型。
-
公开(公告)号：CN114864099A
公开(公告)日：2022-08-05
申请号：CN202210782447.3
申请日：2022-07-05
Applicant: 浙江大学
Abstract: 本发明公开了一种基于因果关系挖掘的临床数据自动化生成方法及系统，从医学数据的收集来源出发，按照患者的入院出院流程，将患者留存在医院的信息进行分门别类的统计，忽略患者入院流程中产生的多余信息，将患者的入院流程整理为病情、检查、病症、药物4项，将其整合为统一数据集，之后再根据使用者的个性化需求，对数据集中的数据进行第一次筛选，之后通过算法明确各列数据间的依赖关系和依赖方向，绘出挑选的数据的完全部分有向无环图，从而发现这些数据之间的因果关联，之后再从因果图中挑选出使用者感兴趣的部分进行因果关联虚拟生成，进而解决生成的虚拟数据之间联系不紧密的问题。
-
公开(公告)号：CN113871003B
公开(公告)日：2022-04-08
申请号：CN202111452519.X
申请日：2021-12-01
Applicant: 浙江大学
Abstract: 本发明公开了一种基于含因果性医学知识图谱的疾病辅助鉴别诊断系统，本发明设计和构建了非结构化数据提取、映射和校准工具，从电子病历、医学文献、临床指南等多源异构医学知识源中提取与疾病诊疗相关的因果性知识，构建包含病史、症状、体征、实验室检查结果、用药、人口统计学信息等关键诊断信息的含因果性医学知识图谱，并在构建过程中设计相应的知识提取规则，减少含因果性医学知识图谱的噪声，提高疾病鉴别诊断模型的准确度和运行效率。本发明基于含因果性医学知识图谱，提取患者所有的个性化诊断数据，并充分利用患者数据中的阴性检查结果和阴性症状等阴性数据，利用疾病鉴别诊断模型开展显式推理，给出具有明确诊断依据的推理结果。
-
公开(公告)号：CN113643821B
公开(公告)日：2022-02-11
申请号：CN202111190634.4
申请日：2021-10-13
Applicant: 浙江大学
Abstract: 本发明公开了一种多中心知识图谱联合决策支持方法与系统，利用医学知识图谱技术和区块链技术，通过本地知识图谱和链上同步图谱相结合的方式，实现临床数据的本地语义推理和链上结果汇总，从而在原始医疗数据不出医院的情况下，依靠知识图谱技术综合患者碎片化的跨机构医疗数据，基于演绎推理和循证医学，给出包含完整患者临床证据的、可解释的临床决策支持。本发明将患者身份信息进行匿名化比对，保证数据在院外环节和匹配环节的完全加密，将三元组节点结构信息进行编码映射和非对称加密，保证数据在传输过程中的安全以及只有有权限的参与中心可以解密数据，有效保证了多中心联合推理过程中的数据安全和隐私保障。
-
公开(公告)号：CN113723573A
公开(公告)日：2021-11-30
申请号：CN202111291695.X
申请日：2021-11-03
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自适应比例学习的肿瘤组织病理分类系统及方法，本发明首先获取若干病理切片并进行数字化扫描，将扫描后的病理图像按照分类任务目标类别进行人工标注，构建数据集；然后利用RGB通道和灰度值的差值分布特征分割组织前景，构建包含多级放大倍数的图像块的训练数据组；最后进行多级放大倍数整合，组合了各级放大倍数和整合放大倍数的交叉墒函数形成损失函数，实现多放大倍数整合学习；通过自适应比例学习，对图像全局比例标签和未达到最低比例的图像块训练权重的动态调整，扩大数据利用率，实现快速收敛。本发明在日常肿瘤组织的病理检查中，在尽可能低地增加额外工作负担的基础上，最大限度地提升检出率。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.023 seconds)
