-
公开(公告)号：CN115961047A
公开(公告)日：2023-04-14
申请号：CN202211733993.4
申请日：2022-12-23
Applicant: 神州医疗科技股份有限公司
IPC: C12Q1/6886 , C12N15/11 , C12Q1/6844
Abstract: 本公开提供了一种用于胃癌相关基因甲基化检测的引物探针组合、试剂盒、方法与应用，所述方法，包括：采集并分离静脉血得到血浆，提取所述血浆中的游离RNF180基因、SEPTIN9基因、DACT2基因、SDC2基因和NKD2基因的基因片段，备用；将上述基因片段进行亚硫酸盐转化，设计荧光PCR反应体系对基因片段进行基因扩增；对获取的基因扩增结果CT值与临界值进行比较分析，当CT值小于或等于临界值时为阳性，表明收集的血浆中含有甲基化的上述基因中的至少一种。通过采用本公开的引物探针组合在进行检测时，能够避免不必要的大胃镜检查，整个过程可以简便的采用外周血体外检测，无创伤、简便易行。
-
公开(公告)号：CN115859989A
公开(公告)日：2023-03-28
申请号：CN202310106608.1
申请日：2023-02-13
Applicant: 神州医疗科技股份有限公司
IPC: G06F40/295 , G06F40/30 , G06F16/35 , G06F16/36 , G06N3/0442
Abstract: 本发明提供了基于远程监督的实体识别方法及系统，包括以下步骤：S1：对目标语句进行分词处理；S2：将分词处理得到的词语与已有知识图谱中的实体进行匹配，并使用预训练bert模型对分词处理得到的词语与已有知识图谱中的实体是否匹配做二分类判别；S3：将能够与现有知识图谱中的实体匹配的词语作为输入数据，输入到深度学习模型LSTM进行实体抽取；S4：将每个词语从深度学习模型LSTM的输出结果与该词语与已有知识图谱中所对应的实体信息进行拼接，完成实体抽取。本发明提供的基于远程监督的实体识别方法及系统，能够在小领域场景中，充分利用现有的知识图谱信息，为实体抽取任务提供额外的特征知识，进而提高在小领域场景中的实体识别准确率。
-
公开(公告)号：CN115798733A
公开(公告)日：2023-03-14
申请号：CN202310024844.9
申请日：2023-01-09
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明公开了一种用于孤儿病的智能辅助推理系统及方法，通过病例文本和查找分析引擎大数据进行孤儿病数据挖掘，为解决当前公共医疗卫生领域的挑战性难题提供新的方法，在领域填补了孤儿病研究中的空白，通过孤儿病数据库提取表型知识，再基于表型知识对孤儿病权威数据库进行优化，优化的孤儿病权威数据库中的各个标准表型术语对应有与其各自对应的孤儿病之间的关联程度的统计信息，将实践数据与孤儿病权威数据库进行整合，实现表型知识的优化，由表型特征相似度量来代替表型特征简单匹配，从而实现更为灵活的孤儿病推荐，通过提供孤儿病表型特征网络，辅助医生深入探索孤儿病之间表型特征关联，并直观地鉴别孤儿病之间的表型特征差异。
-
公开(公告)号：CN115545041A
公开(公告)日：2022-12-30
申请号：CN202211488054.8
申请日：2022-11-25
Applicant: 神州医疗科技股份有限公司
IPC: G06F40/30 , G06F40/211 , G06F40/242 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及自然语言处理技术领域，且公开了一种增强医疗语句语义向量表示的模型构造方法，包括收集医学领域的医疗数据，并对所述医疗数据进行预处理，建构一份扩充医学词典；基于所述医疗数据进行预处理结果，保留Bert中的MLM任务，构建损失函数做全词掩码训练；保存训练后的Bert模型，切分所述医疗数据中的每段文本形成句子集合；基于句子集合，对每个句子进行对比学习训练；构建一个新的损失函数，判断当新的损失函数连续3次得出的数据不下降的情况下,得出最终Bert模型作为最终的增强语义向量表示的模型。本专利结合继续预训练和对比学习来有效增强医疗语句语义表示的构造方法，使医疗语句的表达更精确。
-
公开(公告)号：CN114996466B
公开(公告)日：2022-11-01
申请号：CN202210918247.6
申请日：2022-08-01
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明涉及智慧医疗技术领域，且公开了一种医学标准映射模型的建立方法、系统及使用方法，本发明能够将医学实体数据按照原始词、标准词、标准词编码的类型进行准确的分类，并对分类后的训练数据进行预处理，从而得到统一化的实体数据集；利用统一化的实体数据集作为Bert模型的输入能够减少训练误差，且实体数据集是按照锚文本、正文本和负文本组成的三元组样本的形式进行划分，并能够提高特征向量获取的准确性，加强各文本的特征向量的联系性；同时，通过损失函数的计算和预设条件的设置，能够及时的停止Bert模型的训练，从而获取较准确的医学标准映射模型。
-
Patent Agency Ranking
公开(公告)号：CN115080764A
公开(公告)日：2022-09-20
申请号：CN202210856458.1
申请日：2022-07-21
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明涉及知识图谱技术领域，具体涉及基于知识图谱及聚类算法的医学相似实体分类方法及系统，本方法包括将医学数据库的数据构成三元组数据集，将三元组数据集作为训练集，对知识图谱学习模型进行训练，得到医学数据库的向量化表示的医学知识图谱，将其三元组通过均值池化层获得三元组的代表向量，利用无监督聚类算法Kmeans对实体和关系的代表向量进行聚类，得出医学知识图谱内的相似术语实体库，将同一簇内的实体作为正样本，将不同簇内的实体作为负样本，将正样本和负样本输入，训练实体相似分类模型，基于实体相似分类模型对实体进行相似判断；本发明解决人工标注相似实体分类繁琐的问题，实现对医学知识图谱无人工的准确构建。
-
公开(公告)号：CN115034225A
公开(公告)日：2022-09-09
申请号：CN202210654252.0
申请日：2022-06-10
Applicant: 神州医疗科技股份有限公司
Abstract: 本公开的实施例公开了应用于医学领域的词语处理方法、装置、电子设备和介质。该方法的一具体实施方式包括：获取待处理词语；生成待处理词语的词向量；基于词向量，生成待处理词语的语义向量；基于语义向量，确定语义向量对应的预测类别值；计算待处理词语与预设标准词语库中标准词语的相似度，得到相似度集合；基于预测类别值和相似度集合，从预设标准词语库中选择出目标标准词语。该实施方式通过生成待处理词语的词向量、语义向量，学习向量序列之间的语义关联，再根据确定的预测类别值和相似度集合，选择出待处理词语对应的目标标准词语。提高了医学词语标准化的效率和准确度，为医疗数据被应用提供了重要帮助。
-
公开(公告)号：CN114999654A
公开(公告)日：2022-09-02
申请号：CN202210750831.5
申请日：2022-06-28
Applicant: 神州医疗科技股份有限公司
Abstract: 本申请提供了一种基于知识图谱的糖尿病风险预测方法、装置、设备及介质，其中，该方法包括：使用待预测对象的第一病历数据对糖尿病知识图谱进行更新得到目标知识图谱；根据目标知识图谱中待预测年份节点的周围节点的第一节点向量，确定待预测年份节点的第二节点向量；根据第二节点向量和目标节点与待预测年份节点之间的第一关联关系向量得到第一拼接向量；目标节点为患病节点和/或未患病节点；第一关联关系向量是根据待预测年份节点与周围节点之间的第二关联关系向量确定的；将第一拼接向量和目标节点向量输入到糖尿病风险预测模型中输出第一余弦相似度；根据第一余弦相似度确定糖尿病的患病概率。通过该方法提高了糖尿病风险预测的准确性。
-
公开(公告)号：CN114925212A
公开(公告)日：2022-08-19
申请号：CN202210485506.0
申请日：2022-05-06
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/36 , G06F16/335 , G06F16/35 , G06F16/951 , G06F40/205 , G06F40/295 , G16H10/60
Abstract: 本发明公开了一种自动判断并融合知识图谱的关系抽取方法及系统，在医学范围内预先建立了小范围的原始数据库，基于此原始数据库并结合医学知识图谱充分获取了待分类的实体的更多特征信息，如实体、句子、属性节点以及上下文信息，提高了模型可获得的信息量，提高关系分类任务的准确率，对不同类型的实体数据进行数据增强和调整超参数，进一步提高了关系分类抽取的准确率；将实体、句子、属性节点以及上下文信息等特征信息融合到关系抽取的任务中并结合注意力机制的计算方式对相关性属性节点进行了筛选，从而能根据节点的关键信息以及当前任务的重要程度做出筛选，考虑到不同语境下的节点所代表的含义，优化了目前构建医学术语集的准确性。
-
公开(公告)号：CN113393475A
公开(公告)日：2021-09-14
申请号：CN202110734983.1
申请日：2021-06-30
Applicant: 神州医疗科技股份有限公司
Abstract: 本申请实施例提供一种乳腺钼靶图像分割的装置、电子设备、医疗设备和介质，该电子设备包括存储器和处理器，所述存储器被配置为存储计算机程序，其中，所述处理器通过执行所述程序以实现如下乳腺钼靶图像分割的方法：获取乳腺钼靶图像；根据所述乳腺钼靶图像上非零像素的平均值确定目标分割线；根据所述目标分割线从所述乳腺钼靶图像上获取乳腺区域；基于所述乳腺区域进行数据分析，能够高效准确的从乳腺钼靶图像中获取乳腺区域，从而降低病灶检测过程中的噪音干扰(例如：在病灶检测过程中由胸大肌区域带来的噪音干扰)，提升后续数据分析的准确率。
-
-
-
-
-
-
-
-
-
Search Results
187
records
(took 0.062 seconds)
