-
公开(公告)号：CN117373642A
公开(公告)日：2024-01-09
申请号：CN202210768911.3
申请日：2022-07-01
Applicant: 神州医疗科技股份有限公司
Abstract: 本公开的实施例公开了服务于医疗数据交换、分析和应用的数据系统和方法。服务于医疗数据交换、分析和应用的数据系统包括以下部分的一个或多个：医疗数据输入接口、数据代币化估值子系统、数据特征价值评估子系统、数据处理和标记贡献评估子系统、数据质量控制和质量评估子系统、加密和网络安全子系统和货币安全管理监督子系统。该实施方式可以采集医疗数据、对医疗数据进行代币化估值、数据特征价值评估和质量控制，使得采集到的数据的实用性更强，数据系统还提供了数据处理、标记贡献的功能，使得采集到的数据更加规范，数据系统中的加密和网络安全子系统和货币安全管理监督子系统，提高了数据在传输的过程中和数据交换过程中的可靠性和安全性。
-
公开(公告)号：CN117174261A
公开(公告)日：2023-12-05
申请号：CN202311451817.6
申请日：2023-11-03
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明公开了一种用于医学影像的多类型标注流程集成系统，所述系统由预训练模型标注子系统、2D标注子系统和3D标注子系统共同集成，本系统针对不同的医学影像提供了不同类型的标注流程，能够适用于各类医学系统，满足不同医疗系统的需求，有助于医疗工作者做出更加准确的诊断，提高了医疗服务质量，通过使用本系统，医疗工作者能够有效地处理医学影像的信息，实现对影像的准确定位和有力的分析，提高了医生和医疗工作者的诊断精度和准确度。
-
公开(公告)号：CN116936103A
公开(公告)日：2023-10-24
申请号：CN202311173487.9
申请日：2023-09-12
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/30 , G06F40/177 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于同向网络的用户健康预测管理方法及系统，通过同向网络学习已有的用户健康指标检测知识，在模型训练完毕后，使用训练完毕的模型基于新患者健康检测指标和数据进行患者健康状态的判别，并在预测出患者健康状态不佳时及时给出预警提示，从而帮助医护人员及时预测分析出与患者健康状况相关联的医学测量结果，以便于医护人员做出相应的健康护理决策。
-
公开(公告)号：CN116564539B
公开(公告)日：2023-10-24
申请号：CN202310836858.0
申请日：2023-07-10
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/70 , G06F40/216 , G06F40/295 , G16H10/60 , G16H50/20 , G06F16/33 , G06F16/35 , G06F18/22
Abstract: 本发明公开了基于信息抽取和实体归一的医学相似病例推荐方法和系统，通过对病情描述文本进行实体分割，获取其中的疾病术语信息，然后从历史病例数据库中获取历史病例信息并进行文本分割信息抽取，得到历史病例信息中的疾病关键词，最后将所述疾病术语信息和所述疾病关键词进行归一化处理，根据处理结果筛选出包含疾病术语信息的历史病例进行相似病例推荐，减轻了性能要求，降低推荐耗时，更有利于诊断的高效进行，从而快速准确地分析出高相似度的病例向医生进行推荐。
-
公开(公告)号：CN116564539A
公开(公告)日：2023-08-08
申请号：CN202310836858.0
申请日：2023-07-10
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/70 , G06F40/216 , G06F40/295 , G16H10/60 , G16H50/20 , G06F16/33 , G06F16/35 , G06F18/22
Abstract: 本发明公开了基于信息抽取和实体归一的医学相似病例推荐方法和系统，通过对病情描述文本进行实体分割，获取其中的疾病术语信息，然后从历史病例数据库中获取历史病例信息并进行文本分割信息抽取，得到历史病例信息中的疾病关键词，最后将所述疾病术语信息和所述疾病关键词进行归一化处理，根据处理结果筛选出包含疾病术语信息的历史病例进行相似病例推荐，减轻了性能要求，降低推荐耗时，更有利于诊断的高效进行，从而快速准确地分析出高相似度的病例向医生进行推荐。
-
Patent Agency Ranking
公开(公告)号：CN116401381A
公开(公告)日：2023-07-07
申请号：CN202310670289.7
申请日：2023-06-07
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/36 , G06F40/151 , G06F40/216 , G16H50/70 , G06F16/35
Abstract: 本发明公开了一种加快医学关系抽取的方法和装置，对于pipeline的关系抽取方法，在实体预测抽取前，通过排序以及合并规则机制对待预测文本进行长度和数量处理，调整待预测文本的长度并精简预测批次，经过bert模型时，减少多头自注意力机制层花费的时间，提升预测效率和关系抽取效率；在医学关系抽取前，对构建实体对时的实体进行判断，对于相同的实体类型不进行特征构建，对于不同的实体类型进行分析，从而去掉相同类型的实体对和不应该是头实体的实体对，对构建的实体对进行轻量化处理，提升预测效率和关系抽取效率。
-
公开(公告)号：CN115938608A
公开(公告)日：2023-04-07
申请号：CN202211538259.2
申请日：2022-12-02
Applicant: 神州医疗科技股份有限公司
IPC: G16H70/40 , G06F16/36 , G06F40/279 , G06F18/214 , G06F18/2415
Abstract: 本发明提供了一种基于提示学习模型的临床决策预警方法和系统，涉及医疗信息化技术领域，包括如下步骤：采集一段时间内的多个临床病历，构建待评定集合，所述待评定集合包括多个待评定文本；基于标准信息构建标准集合，所述标准集合包括多个标准类别；每个标准类别包括多个具体信息；基于语言模型将所述待评定文本与所述标准集合匹配；通过提取临床病历和标准信息进行对比来评定医生在在临床诊疗中所开的药物及处方，提高了医生在临床诊疗中所开的药物及处方的正确性和所开的药物及处方剂量的准确性。
-
公开(公告)号：CN115080764B
公开(公告)日：2022-11-01
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：CN115206536A
公开(公告)日：2022-10-18
申请号：CN202210551457.6
申请日：2022-05-18
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模型训练方法、装置、设备及介质，方法包括：获取多个患者的病历；对于每一患者，基于该患者的病历中的文字信息，得到该患者对应的至少一个三元组；基于每一患者对应的每一三元组，生成知识图谱，并从知识图谱中抽取出异构图；对于每一患者，将异构图中第一节点以及不同第一节点之间的关系作为第一目标模型、第二目标模型和图神经网络模型的输入，将用于表征该患者对于目标疾病的治疗效果的目标标签作为第一目标模型、第二目标模型和图神经网络模型的输出，对第一目标模型、第二目标模型和图神经网络模型进行训练。本申请能够通过训练后的第一目标模型、第二目标模型和图神经网络模型对患者所患疾病的治疗效果进行评估。
-
公开(公告)号：CN115048934A
公开(公告)日：2022-09-13
申请号：CN202210663574.1
申请日：2022-06-13
Applicant: 神州医疗科技股份有限公司
IPC: G06F40/295 , G06F16/36 , G06N20/00
Abstract: 本申请公开了一种知识图谱构建过程中命名实体识别模型的训练方法和系统，包括：步骤S1、构建种子训练集；步骤S2、利用种子训练集对命名实体识别模型进行训练，更新命名实体识别模型；步骤S3、基于更新的命名实体识别模型对输入样本进行识别，生成样本识别结果；步骤S4、基于样本识别结果中的模糊命名实体更新种子训练集；步骤S5、重复步骤S2‑步骤S4，直至样本识别结果中无模糊命名实体，训练结束。本申请公开的知识图谱构建过程中命名实体识别模型的训练方法和系统，通过半监督学习的方法，提高了知识图谱构建过程中对命名实体的识别准确度，减少了人工工作量，降低了人工成本。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.039 seconds)
