-
公开(公告)号：CN113393933B
公开(公告)日：2024-07-26
申请号：CN202110782098.0
申请日：2021-07-12
Applicant: 华东理工大学 , 上海交通大学医学院附属瑞金医院
Abstract: 本发明公开了一种基于状态变迁图谱的胃癌决策辅助治疗系统，包括基于状态变迁图谱的胃癌决策知识表示方法，以及界面动态生成方法：本发明基于状态变迁知识图谱，以胃癌诊疗指南为基础，划分胃癌诊疗状态，形成状态子图谱，多个状态子图谱由状态变迁线连接，多个状态子图谱构成胃癌状态变迁知识图谱，动态界面生成方法将子图谱与状态卡片一一对应，根据图谱提供决策建议，动态生成友好界面供专科医师使用，展示病人的决策路径，降低医师查阅病例的成本。同时，推理过程简单易懂，可溯源至胃癌诊疗，提升医师对决策建议的信任度。
-
公开(公告)号：CN117497115A
公开(公告)日：2024-02-02
申请号：CN202311398990.4
申请日：2023-10-25
Applicant: 上海交通大学医学院附属瑞金医院 , 华东理工大学
IPC: G16H10/60 , G16H15/00 , G06F40/211 , G06F40/289 , G06F40/30
Abstract: 本发明提供了一种医疗信息摘要自动生成方法及系统，根据电子病历数据，获取电子病历子字段；提供一摘要生成大模型，用于生成医疗信息摘要，并能标注医疗信息摘要中每一句的来源内容；建立prompt与ICL示例，将prompt内容、ICL示例以及来源内容输入摘要生成大模型的生成器，生成第一摘要以及第一摘要中每个第一句子对应的来源内容；检查所有第一句子与来源内容是否一致，若一致，则第一摘要作为最终的医疗信息摘要，若不一致，对生成结果进行自我检查与纠正；通过多轮反馈形成新的医疗信息摘要。该方法可以有效解决自动生成医疗信息摘要文本的溯源和忠实度问题，极大地提高了生物医疗领域自动生成文本的可靠性。
-
公开(公告)号：CN113393933A
公开(公告)日：2021-09-14
申请号：CN202110782098.0
申请日：2021-07-12
Applicant: 华东理工大学 , 上海交通大学医学院附属瑞金医院
Abstract: 本发明公开了一种基于状态变迁图谱的胃癌决策辅助治疗系统，包括基于状态变迁图谱的胃癌决策知识表示方法，以及界面动态生成方法：本发明基于状态变迁知识图谱，以胃癌诊疗指南为基础，划分胃癌诊疗状态，形成状态子图谱，多个状态子图谱由状态变迁线连接，多个状态子图谱构成胃癌状态变迁知识图谱，动态界面生成方法将子图谱与状态卡片一一对应，根据图谱提供决策建议，动态生成友好界面供专科医师使用，展示病人的决策路径，降低医师查阅病例的成本。同时，推理过程简单易懂，可溯源至胃癌诊疗，提升医师对决策建议的信任度。
-
公开(公告)号：CN117497124A
公开(公告)日：2024-02-02
申请号：CN202311395411.0
申请日：2023-10-25
Applicant: 上海交通大学医学院附属瑞金医院 , 华东理工大学
IPC: G16H15/00 , G16H10/60 , G06F18/214 , G16H10/40 , G16H70/20
Abstract: 本发明提供了一种检验指标自动生成方法及系统，其中方法包括：提供一专病检验知识库，用于获得与专病相关且通用的第一检验指标以及与患者相关的基础信息；提供一指标推理大模型；将针对不同推理任务的Prompt模板、第一检验指标以及与指定患者相关的基础信息作为模型输入，生成针对该指定患者及其专病的第二检验指标；基于第二检验指标，获得写入任务所需的检验指标名称；根据检验指标名称，获得相应的检验指标数据，得到最终的用于写入任务的检验指标文本。本发明结合专病检验知识库和大模型推理，将检验指标筛选工作自动化，快速高效地从大量检验指标中筛选出与病情最相关的检验指标，提高出院小结等写入任务的精准度、实用性和工作效率。
-
公开(公告)号：CN117831695A
公开(公告)日：2024-04-05
申请号：CN202311729840.7
申请日：2023-12-15
Applicant: 华东理工大学
IPC: G16H10/60 , G06F40/295 , G06F40/247 , G06F16/28
Abstract: 本发明公开一种电子病历数据集构建方法、系统及电子设备，涉及数据集构建领域，方法包括：获取待构建数据集的电子病历数据；对电子病历数据进行预处理，得到结构化电子病历数据；根据结构化电子病历数据，确定待构建数据集的下游任务，并建立下游任务相应的指令Prompt模板集，解决了人工构造指令Prompt模板集耗时耗力且多样性差的问题。利用同义词替换方法、候选项约束和否定性引导策略以及时间序列技术与自适应数据清洗算法，根据结构化电子病历数据和相应指令Prompt模板集，确定相应下游任务的任务数据，以确定电子病历数据集。本发明提供专为中文设计的大规模数据集，以提升电子病历领域模型的性能。
-
Patent Agency Ranking
公开(公告)号：CN113408276A
公开(公告)日：2021-09-17
申请号：CN202110678708.2
申请日：2021-06-18
Applicant: 华东理工大学
IPC: G06F40/289 , G06F40/242 , G06F40/205
Abstract: 本发明提出了一种基于语言模型的跨专科文本结构化方法。对于电子病历文本结构化任务来说，从抽取目标上来说分为分类型、文本跨度型和生成型三类。本发明使用了一种端到端的文本结构化方法，将病历文本视为知识，将字段名做一定变换后构造成问题，让模型回答出对应的字段值，将三类文本结构化任务转换为生成式的问答任务，使得算法具有跨专科任务的可迁移性与解决不同类型任务的灵活性。
-
公开(公告)号：CN112989836A
公开(公告)日：2021-06-18
申请号：CN202110454738.5
申请日：2021-04-26
Applicant: 华东理工大学
IPC: G06F40/295 , G06F16/951
Abstract: 本发明公开了一种基于预训练语言模型和位置信息的文本结构化方法。本发明包括以下步骤：步骤1：从新闻网站爬取文本作为原语料交由人工标注，并对其进行预处理；步骤2：使用预处理后的文本训练BERT‑CRF来识别姓名、性别、体貌特征、身高等通用实体；步骤3：将每条文本中的通用实体作为输入，训练多标签分类模型BERT‑Dense，输出每个实体所属的相关人群类型；步骤4：以相关人群姓名作为主体词，根据文本的结构特性，基于位置特征获取该主体词的属性，得到最终的多主体文本结构化。本发明适用于领域性的多主体文本结构化任务，通过分层结构化和基于位置信息组成多元组的方式，有效提高对新闻文本结构化的准确率和效率。
-
公开(公告)号：CN112163407A
公开(公告)日：2021-01-01
申请号：CN202011175306.2
申请日：2020-10-29
Applicant: 华东理工大学
IPC: G06F40/166 , G06F40/247 , G06F40/279 , G06F40/30
Abstract: 本发明提供了一种基于语义依存关系的医疗文本标注方法，包括以下步骤：分析医疗文本中的语义依存类型，得到三类语义依存类型：基于主体的语义依存、基于关系或动作的语义依存和基于修饰的语义依存；分析医疗文本中的语义特点，得到三类语义特点：语义嵌套关系、语义远程依赖和语义并列关系；根据医疗文本中的语义依存类型和语义特点，结合标注需求，制定五类模板语义图：身体结构实体语义图、关系描述语义图、属性描述语义图、手术操作语义图和影像诊断语义图；进行文本标注。
-
公开(公告)号：CN108563725A
公开(公告)日：2018-09-21
申请号：CN201810292579.1
申请日：2018-04-04
Applicant: 华东理工大学
Abstract: 本发明提供了一种中文症状体征构成识别方法。该方法包括：将中文症状体征分解为11种症状体征的构成成分；根据症状体征的构成成分为中文症状体征中的每个汉字标注，得到每个汉字表示症状体征的构成情况的标签序列；对中文症状体征数据进行数据预处理，得到汉字特征向量和对应的词性特征向量；将所述汉字特征向量和词性特征向量利用双向LSTM神经网络来训练得到输入症状体征的特征向量；将所述症状体征的特征向量利用条件随机场来对每个汉字进行标注，得到症状体征的标签序列；在神经网络的训练过程中，利用已有的类型-成分词典生成人工数据帮助训练。相比于现有技术，本发明能够很好的识别中文症状，识别正确率得到很大的提高。
-
公开(公告)号：CN119446336A
公开(公告)日：2025-02-14
申请号：CN202411471393.4
申请日：2024-10-22
Applicant: 华东理工大学
Abstract: 本发明公开了一种基于知识图谱的分子性质预测大语言模型构建方法。该方法包括多个步骤：首先，利用高通量数据采集技术获取预训练语料，包括分子属性和代谢途径等相关数据。然后，基于这些数据构建关于十四个端点的知识图谱，知识图谱以三元组形式表示分子与其属性和端点间的关系。接着，使用LoRA技术对大语言模型进行预训练，采用增量学习策略优化模型，并形成专家大模型。随后，利用RAG技术从知识图谱中检索与目标端点相关的三元组，并对检索结果进行整理。通过提示词设计，专家大模型对检索到的三元组进行过滤，提取关键信息。最后，将过滤后的三元组列表转化为自然语言输入给专家大模型，生成分子性质的预测结果并提供推理依据。该方法显著提升了分子与端点化学反应预测的准确性和效率。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.055 seconds)
