-
公开(公告)号：CN119964708A
公开(公告)日：2025-05-09
申请号：CN202510121185.X
申请日：2025-01-24
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G16H10/20 , G06F40/284 , G06F40/205 , G06N5/022 , G06F40/30
Abstract: 本发明公开了一种医学建议的解读方法及相关组件，涉及人工智能领域，包括基于医学建议文本中的关键内容转换为的稀疏向量及稠密向量在知识库中进行文献文档匹配，得到至少一个与医学建议文本匹配的关联文献文档；控制语言模型根据输入的需求，基于关联文献文档输出对医学建议文本的解读结果及关联文献文档中与解读结果直接相关的片段；获取更新文献文档，并使用更新文献文档对知识库进行更新。结合了稀疏向量与稠密向量得到的关联文献文本与医学建议文本的相关性较高。在解读时基于关联文献文档，可以使得语言模型输出的解读具有可追溯性，提高了解读的可信度。对解读的更新可以通过更新知识库中的文献文本替代更新语言模型，维护的时间成本降低。
-
公开(公告)号：CN119400369A
公开(公告)日：2025-02-07
申请号：CN202411233309.5
申请日：2024-09-04
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本发明公开了混合专家模型驱动的医学大模型出院小结生成方法和系统，包括采集模块，标注模块，模型训练模块，生成模块，其中采集模块用于数据采集与预处理；通过规则和专家模型评审，确保数据标注结果的一致性和高质量；模型训练模块用于中文医学大模型训练，是采用混合专家模型技术，在大规模预训练语言模型中集成多个领域专家网络；生成模块用于生成出院小结，包括：系统接收患者的输入，利用模型训练模块中的所述中文医学大模型输入数据进行处理，生成个性化的出院小结。采用本发明，显著提高了出院小结的生成效率和质量，能够根据每个患者的具体情况生成个性化的出院小结，提供更贴合需求的护理建议和随访计划。
-
公开(公告)号：CN119132496A
公开(公告)日：2024-12-13
申请号：CN202411259627.9
申请日：2024-09-09
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本申请公开了一种基于思维链的医学影像报告结构化处理方法及相关装置，涉及人工智能技术领域，包括：确定至少一条思维链，思维链包括多个具有层级关系的节点，多个节点的指令提示范围逐级递减，针对至少一条思维链，通过将待处理的医学影像报告文本、上一节点的结构化输出和当前节点的指令提示输入预训练的大语言模型，使大语言模型按照思维链的层级逻辑依次对医学影像报告文本进行准确、规范、完整的结构化数据提取，避免数据抽取过程中的错误和遗漏，保证了所提取到的结构化数据的准确性、规范性和完整性，且整个过程全部自动化完成，不需要人工参与，提高了医学影像报告结构化处理效率。
-
公开(公告)号：CN119131521A
公开(公告)日：2024-12-13
申请号：CN202411105083.0
申请日：2024-08-13
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06T7/00 , G06N3/09 , G06N5/04 , G06F18/24 , G06F40/211 , G06F40/30 , G16H15/00 , G06N3/0464
Abstract: 本发明公开了一种基于影像报告的异常疾病标签标注系统,包括LLM报告拆解模块，标签规则迭代模块，标签抽取模块，和神经网络模块，其中：LLM报告拆解模块，利用大语言模型语义理解能力进行影像报告文本分句；标签抽取模块，构建正则表达式规则，抽取异常标签；神经网络分类模块，利用抽取的标签与对应医学影像报告构建的异常疾病数据集，进行神经网络分类模型预测；标签规则迭代模块，根据神经网络分类模型预测结果多轮迭代修正完善正则表达式规则，直到没有新规则加入或修改为止。采用本发明可以实现更为精准的基于影像报告自动标注医学异常疾病标签的问题，克服了现有医学数据集标注困难，成本过高，耗时过长的问题。
-
公开(公告)号：CN117540339A
公开(公告)日：2024-02-09
申请号：CN202311580387.8
申请日：2023-11-24
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06F18/25 , G16H50/20 , G16H50/70 , G06N3/0455
Abstract: 本发明公开面向多模态医学数据的掩码式预训练方法和系统，本系统包括文本结构化模块，文本掩码模块，图像掩码模块，图像编码器，文本编码器，多模态融合模块，图像解码器，文本编码器，图像重建损失模块，文本重建损失模块。采用本系统可以在预训练阶段实现医学影像和报告文本中征象和部位的深度对应关系，同时加强模型根据图像理解和推断文本，以及根据文本理解并推断图像的能力，方便下游任务中影像和报告文本之间的灵活转换，克服了现有技术存在的影像和报告文本匹配不完全、部位和征象对应不清晰的问题。
-
Patent Agency Ranking
公开(公告)号：CN119941621A
公开(公告)日：2025-05-06
申请号：CN202411768723.6
申请日：2024-12-04
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T7/00 , G06T7/11 , G06T7/30 , G06T7/60 , G06V10/25 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种阿尔兹海默症风险评估模型的构建方法，包括以下步骤：步骤S1，基于原始ADNI数据进行图像分析，从原始影像数据中进行ARAS的功能连接和结构连接特征分析；步骤S2，构建阿尔兹海默症风险评估模型，通过交叉验证进行超参数调整，对模型进行训练；步骤S3，使用SHAP分析不同功能和结构连接特征对模型预测结果的影响。本方法应用无侵入性、无放射性、临床可及性较高的核磁共振成像方法，并基于机器学习原理建立诊断模型，有较高可重复性和准确性。
-
公开(公告)号：CN119132498A
公开(公告)日：2024-12-13
申请号：CN202411260853.9
申请日：2024-09-09
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G16H15/00 , G06F16/35 , G06F16/36 , G06F40/295 , G06N5/022
Abstract: 本申请提供了一种知识驱动的医学影像报告的结构化处理方法及装置，该方法基于医学知识、大语言模型或规则匹配、人工校验等多种方式相结合构建得到的影像知识库，其包含完善的医学影像知识。进一步基于该影像知识库中的医学知识识别出的影像报告中的医学实体的准确性更高。针对同一分句中存在级联关系的医学实体进行层级合实现结构化信息的规划化输出。最后，针对影像报告中所有分句的医学实体信息，去除不同分句间存在的重复冗余的实体信息，得到影像报告对应的结构化信息，进一步提高了影像报告中结构化信息的准确性。
-
公开(公告)号：CN119132497A
公开(公告)日：2024-12-13
申请号：CN202411260852.4
申请日：2024-09-09
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G16H15/00 , G16H50/70 , G06F40/284 , G06F40/295 , G06F40/211 , G06F16/35 , G06N3/045 , G06N5/022
Abstract: 本申请公开了一种医学影像报告结构化方法及相关装置，涉及自然语言处理技术领域，医学影像报告结构化方法包括：获取目标医学影像报告；基于预先获得的医学影像报告结构化模型，对目标医学影像报告进行结构化处理，得到目标医学影像报告的结构化信息，其中，医学影像报告结构化模型采用训练数据对预训练后的大语言模型进行指令微调得到，训练数据至少包括标注有结构化信息的第一训练医学影像报告。本申请公开的医学影像报告结构化方法为基于大语言模型的端到端的结构化方法，该方法能准确、高效、规范的提取出医学影像报告中蕴含的关键信息，且该方法实现过程简单、人工标注成本较低。
-
公开(公告)号：CN118609833A
公开(公告)日：2024-09-06
申请号：CN202410653309.4
申请日：2024-05-24
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G16H50/70 , G16H10/60 , G06F40/295 , G06V30/10 , G06N20/00
Abstract: 本发明公开使用一种基于大模型的医疗随访管理系统，包括主控模块，报告上传服务模块，报告数据库，OCR模块，医学大模型模块，本院病历系统，参考范围覆盖模块，排序展示模块。本发明采用了文本识别技术，以及异常程度评分排序技术，通过以医学大模型为核心的技术，构建新一代智能随访管理系统，提升全局的智能化水平，重点解决异地复查产生的外院数据在随访管理流程中的吸收利用难题，做到降低医生工作量的同时提高需要重点关注的随访对象的曝光度，实现随访的有的放矢。
-
公开(公告)号：CN118486416A
公开(公告)日：2024-08-13
申请号：CN202410628528.7
申请日：2024-05-20
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本申请公开了一种电子病历生成方法、装置、设备及存储介质，涉及强化学习技术领域，包括：获取历史医学训练数据，并基于所述历史医学训练数据对初始大语言模型进行训练以得到医学基座大模型；基于预设演示数据集对所述医学基座大模型进行微调以得到初始电子病历生成模型；运行所述初始电子病历生成模型，并基于预设奖励模型确定所述初始电子病历生成模型的目标奖励值，然后利用所述目标奖励值对所述初始电子病历生成模型的参数进行调整以得到目标电子病历生成模型；获取患者数据，并利用所述目标电子病历生成模型和所述患者数据生成目标电子病历。这样一来，可以根据每个病人的具体情况和医生的需求，生成个性化和智能化的电子病历。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.039 seconds)
