-
公开(公告)号：CN110444294B
公开(公告)日：2023-04-25
申请号：CN201910853299.8
申请日：2019-09-10
Applicant: 中南大学
Abstract: 本发明公开了一种基于感知神经网络的前列腺癌辅助分析方法及设备，通过多个疾病指数和医学图像指数相结合为输入点，在医学大数据背景下不断调整神经网络的权重值和偏置值，通过调整两者的比例，形成基于神经网络的智能分析模型，该模型可帮助医生更精确地诊断前列腺患者。辅助分析方法及设备虽然可以提供癌症的可能临床阶段和历史决策结果，但只能作为医生的辅助诊断决策系统，不能完全取代医生。但是,它通过对癌症可能阶段的预测以及对图像进行筛选，筛选图像的最有效部分供医生参考，在很大程度上减轻了医生的工作负担，提高了医院的效率，大大提高了医生的诊断的准确性。
-
公开(公告)号：CN111696678A
公开(公告)日：2020-09-22
申请号：CN202010543306.7
申请日：2020-06-15
Applicant: 中南大学
Abstract: 本发明提供了一基于深度学习的用药决策方法和系统，通过收集患者相关信息、用药方案相关信息和用药方案对患者的实际疗效效果的实际疗效评估信息，以获取分析数据集，并通过构建的疗效预测模型来分析处理所述分析数据集，以预测各个所述用药方案对不同的所述患者治疗效果的预测疗效评估信息，并根据所述预测疗效评估信息给所述患者推荐适合所述患者个性化要求的所述用药方案。所述用药决策方法和系统在进行用药方案的推荐时具有较高的准确性和稳定性，适用于医学临床应用。
-
公开(公告)号：CN111696678B
公开(公告)日：2023-05-26
申请号：CN202010543306.7
申请日：2020-06-15
Applicant: 中南大学
Abstract: 本发明提供了一基于深度学习的用药决策方法和系统，通过收集患者相关信息、用药方案相关信息和用药方案对患者的实际疗效效果的实际疗效评估信息，以获取分析数据集，并通过构建的疗效预测模型来分析处理所述分析数据集，以预测各个所述用药方案对不同的所述患者治疗效果的预测疗效评估信息，并根据所述预测疗效评估信息给所述患者推荐适合所述患者个性化要求的所述用药方案。所述用药决策方法和系统在进行用药方案的推荐时具有较高的准确性和稳定性，适用于医学临床应用。
-
Patent Agency Ranking
公开(公告)号：CN111081379B
公开(公告)日：2023-05-16
申请号：CN201911213020.6
申请日：2019-12-02
Applicant: 中南大学
IPC: G16H50/50 , G16H50/70 , G06F18/214 , G06F18/2415 , G06N3/04 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种疾病概率决策方法及其系统，包括：获取测试生理指标集，训练测试生理指标集得到测试生理指标的潜在信息，获取当前生理指标集，训练测试生理指标集得到当前生理指标的潜在信息；使用softmax分类器，基于测试生理指标的潜在信息以及当前生理指标的潜在信息进行建模得到疾病概率模型；将当前生理指标输入疾病概率模型得到疾病概率。本发明能够通过实时采集的生理指标数据，实时得到慢性病的概率，为医生的决策提供辅助依据。
-
公开(公告)号：CN110444294A
公开(公告)日：2019-11-12
申请号：CN201910853299.8
申请日：2019-09-10
Applicant: 中南大学
Abstract: 本发明公开了一种基于感知神经网络的前列腺癌辅助分析方法及设备，通过多个疾病指数和医学图像指数相结合为输入点，在医学大数据背景下不断调整神经网络的权重值和偏置值，通过调整两者的比例，形成基于神经网络的智能分析模型，该模型可帮助医生更精确地诊断前列腺患者。辅助分析方法及设备虽然可以提供癌症的可能临床阶段和历史决策结果，但只能作为医生的辅助诊断决策系统，不能完全取代医生。但是,它通过对癌症可能阶段的预测以及对图像进行筛选，筛选图像的最有效部分供医生参考，在很大程度上减轻了医生的工作负担，提高了医院的效率，大大提高了医生的诊断的准确性。
-
公开(公告)号：CN111430024B
公开(公告)日：2023-07-11
申请号：CN202010010514.0
申请日：2020-01-06
Applicant: 中南大学
Abstract: 本发明提供了一种用于疾病程度分类的数据决策方法及其系统，包括：对疾病的特征指标进行聚类分析，将特征指标划分为关联度高的特征Ihigh和关联度低的特征Ilow；将关联度高的特征Ihigh和CT图像输入编码器进行训练得到训练后的自编码器；将训练好的自编码器与softmax分类器结合得到决策分类器，由决策分类器对CT图像进行分类并将分类结果作为分期决策的输出。本发明能够将CT图像和辅助信息结合进行疾病阶段决策的输入信息，能够快速。准确的得到疾病阶段决策结果。
-
公开(公告)号：CN111430024A
公开(公告)日：2020-07-17
申请号：CN202010010514.0
申请日：2020-01-06
Applicant: 中南大学
Abstract: 本发明提供了一种用于疾病程度分类的数据决策方法及其系统，包括：对疾病的特征指标进行聚类分析，将特征指标划分为关联度高的特征Ihigh和关联度低的特征Ilow；将关联度高的特征Ihigh和CT图像输入编码器进行训练得到训练后的自编码器；将训练好的自编码器与softmax分类器结合得到决策分类器，由决策分类器对CT图像进行分类并将分类结果作为分期决策的输出。本发明能够将CT图像和辅助信息结合进行疾病阶段决策的输入信息，能够快速。准确的得到疾病阶段决策结果。
-
公开(公告)号：CN111081379A
公开(公告)日：2020-04-28
申请号：CN201911213020.6
申请日：2019-12-02
Applicant: 中南大学
Abstract: 本发明提供了一种疾病概率决策方法及其系统，包括：获取测试生理指标集，训练测试生理指标集得到测试生理指标的潜在信息，获取当前生理指标集，训练测试生理指标集得到当前生理指标的潜在信息；使用softmax分类器，基于测试生理指标的潜在信息以及当前生理指标的潜在信息进行建模得到疾病概率模型；将当前生理指标输入疾病概率模型得到疾病概率。本发明能够通过实时采集的生理指标数据，实时得到慢性病的概率，为医生的决策提供辅助依据。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
