-
公开(公告)号：CN118213048B
公开(公告)日：2024-11-05
申请号：CN202410337026.9
申请日：2024-03-22
Applicant: 清华大学
IPC: G16H30/40 , G06T5/70 , G06T5/60 , G06N3/0475 , G06N3/08
Abstract: 本申请提供一种影像处理方法、模型训练方法、设备、介质及产品。该方法包括：获取已训练生成网络，已训练生成网络包括：已训练编码网络、已训练随机采样网络和已训练解码网络；采用已训练编码网络提取并输出真实医学影像中的真实疾病核心特征；采用已训练随机采样网络基于随机噪声数据生成并输出随机匿名特征；随机匿名特征与真实医学影像中的真实疾病非核心特征的相似度大于第一相似度阈值；将真实疾病核心特征和随机匿名特征输入到已训练解码网络中，并采用已训练解码网络对真实疾病核心特征和随机匿名特征进行融合和解码处理，以生成匿名医学影像并输出。本申请能够准确地对医学影像数据进行匿名模糊化处理。
-
公开(公告)号：CN117892805A
公开(公告)日：2024-04-16
申请号：CN202410306872.4
申请日：2024-03-18
Applicant: 清华大学
Abstract: 本发明涉及机器学习技术领域，特别涉及一种基于超网络和层级别协作图聚合的个性化联邦学习方法，其中，方法包括：接收多个客户端的目标模型参数更新量和更新后的多个客户端目标模型参数，并对超网络中的目标超网络参数进行自适应更新，分层计算多个客户端的目标模型参数更新量得到初始相似性矩阵，并利用目标超网络参数显式建模多个客户端的协作关系，进而生成层级别协作图，将更新后的多个客户端的目标模型参数分层，并按对应层级别协作图边权重进行加权聚合，得到每个客户端的最优个性化模型。由此，有效缓解了基于个性化参数聚合的联邦学习方法在选择客户端进行协作时不够灵活的问题。
-
公开(公告)号：CN116392136A
公开(公告)日：2023-07-07
申请号：CN202310444438.8
申请日：2023-04-21
Applicant: 清华大学
Abstract: 本申请提供一种疾病预警方法、装置、设备及介质，该方法中，电子设备监测获取待监测用户的生理信号，提取生理信号对应的基础信号特征和时序特征；其中，基础信号特征包括时域特征、频域特征以及非线性特征；根据生理信号对应的时域特征、频域特征、非线性特征以及时序特征，确定综合特征；利用疾病预测模型对综合特征进行处理，获取疾病预测结果，并在确定疾病预测结果指示出现疾病时，根据疾病预测结果，执行疾病预警处理。解决了相关技术仅能根据单一的生理信号的基础信号特征预测疾病，导致预测结果准确率低，从而容易出现预警错误的情况的技术问题。
-
公开(公告)号：CN113940640B
公开(公告)日：2023-04-18
申请号：CN202111339208.2
申请日：2021-11-12
Applicant: 清华大学
IPC: A61B5/02 , A61B5/00 , G06F18/214 , G06N20/00
Abstract: 本发明涉及智能医疗领域，提供一种心血管疾病风险控制方法、系统及存储介质，能够对待检测者的心血管疾病风险进行预警，并且能够帮助心血管疾病发病风险高的检测者通过给出心血管疾病风险控制方案来不断调整其生活习惯，进而达到降低其未来罹患心血管病的风险的技术效果。
-
公开(公告)号：CN115168319A
公开(公告)日：2022-10-11
申请号：CN202210588280.7
申请日：2022-05-27
Applicant: 清华大学
IPC: G06F16/21 , G06F16/215 , G06F16/22 , G06F16/242 , G06F3/06
Abstract: 本发明提供一种数据库系统、数据处理方法及电子设备，所述数据库系统包括：包括存储模块和处理模块，所述处理模块与所述存储模块相连；所述处理模块用于根据数据表的每列数据的访问频率，选择对应的压缩算法对每列数据进行分段压缩；其中，访问频率与压缩算法的对应关系是预设的；所述存储模块用于将数据表的每列数据分段压缩保存。所述方法应用于上述数据库系统。本发明实施例提供的数据库系统、数据处理方法及电子设备，能够在单台电子设备上实现大数据的存储，降低了大数据存储的成本。
-
Patent Agency Ranking
公开(公告)号：CN110245685B
公开(公告)日：2022-03-25
申请号：CN201910401771.4
申请日：2019-05-15
Applicant: 清华大学
IPC: G16B20/30
Abstract: 本发明涉及生物信息学技术领域，提供一种基因组单位点变异致病性的预测方法、系统及存储介质。其中，方法包括：根据基因组单位点变异位置和变异情况，获取基因组单位点变异数据和辅助进化保守性数据；对基因组单位点变异数据和辅助进化保守性数据进行预处理，生成矩阵；加载模型，输入矩阵，并分别通过密集连接卷积神经网络进行特征提取，采用多层感知机拼合特征数据并进行计算，输出预测结果。采用本发明能够解决现有技术中基因组单位点变异致病性的预测准确率不高、可信度低、成本昂贵的问题。
-
公开(公告)号：CN110245657B
公开(公告)日：2021-08-24
申请号：CN201910411362.2
申请日：2019-05-17
Applicant: 清华大学
Abstract: 一种病理图像相似性检测方法及检测装置，检测方法包括：获取病理图像，对病理图像上至少一个感兴趣区域进行标注，并将各标注的感兴趣区域归类整理；将所有标注的感兴趣区域划分为两部分，一部分作为训练图像，另一部分用来建立病理图像库；将训练图像的前景切分为多个图块，为图块分配与所属感兴趣区域同样的类别，采用深度卷积神经网络模型提取具有类别标签的图块中的特征并分类，从而训练深度卷积神经网络模型；将测试图像输入到训练好的深度卷积神经网络模型中，深度卷积神经网络模型输出该测试图像所属的类别，并根据该测试图像所属类别，在病理图像库中搜索相应类别的病理图像。本方法可快速提高病理医生的阅片能力以及阅片结果的可信度。
-
公开(公告)号：CN113158676A
公开(公告)日：2021-07-23
申请号：CN202110517839.2
申请日：2021-05-12
Applicant: 清华大学
IPC: G06F40/295 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种人工智能，揭露一种专业实体与关系联合抽取方法，包括：利用双向编码器语言表示模型对目标文本进行编码，以获取所述目标文本的向量集合；对所述向量集合进行专业命名实体识别，以确定所述目标文本中实体的位置信息；根据所述实体的位置信息进行关系抽取；以BERT中的全部参数作为实体识别和关系抽取的共享参数，对实体识别和关系抽取进行联合训练。利用本发明，能够有效降低专业实体与关系联合抽取的人工成本，提高专业实体与关系联合抽取的效率和准确率。
-
公开(公告)号：CN110032739B
公开(公告)日：2021-07-13
申请号：CN201910313195.8
申请日：2019-04-18
Applicant: 清华大学
IPC: G06F40/295 , G06F40/30
Abstract: 本发明公开了一种中文电子病历命名实体抽取方法及系统。该方法包括：通过字符嵌入层将输入语句中的每个字映射为一个向量；采用LSTM模型输入字符序列，获得隐表示向量；将每个字作为以该字为结尾的语义单位的最后一个字，进行语义分割，得到该字对应的所有网格编码；将每个字的所有网格编码进行线性组合，得到最后的每个字符的向量，其中，线性组合中的权重由自注意力机制给出；采用深度残差网络作为输出解码层，解码出命名实体链。本发明中文电子病历命名实体抽取方法及系统可以自动从中文电子病历中抽取各种医学命名实体，且提高了抽取效率，免去了病历结构化过程中人工消耗。
-
公开(公告)号：CN113065355A
公开(公告)日：2021-07-02
申请号：CN202110525518.7
申请日：2021-05-12
Applicant: 清华大学
IPC: G06F40/295 , G06F40/30 , G06F16/36
Abstract: 本发明涉及一种人工智能，揭露一种专业百科命名实体识别方法，包括：通过文档嵌入的方式对标准化词表中的专业词汇进行向量化表示，以形成种子词集合；将所述种子词集合中的各个实体类别的向量求平均，以获取所述实体类别的向量化表示，作为所述种子词集合中的实体类别的标签向量；根据目标文档中候选专业实体的标签向量和所述种子集合中的实体类别的标签向量，通过余弦相似度对比确定所述候选专业实体所属的类别。利用本发明，能够克服现有的监督学习实体识别方法中由于标注中专业语料的缺失以及人工标注文本所需的极高人力成本的缺陷，有效提高百科类文本信息抽取和实体识别的效率。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.03 seconds)
