公开(公告)号：CN118658008A

公开(公告)日：2024-09-17

申请号：CN202411125379.9

申请日：2024-08-16

Applicant: 中南大学

Inventor： 陈先来 ,  赵恬静 ,  赵爽 ,  陈翔 ,  李钦松 ,  安莹

IPC: G06V10/764 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/40 ,  G06V10/82

Abstract: 本申请涉及疾病图像处理技术领域，提供了一种甲病图像处理系统。该甲病图像处理系统包括：数据增强模块进行数据增强，得到第一子图像和第二子图像；特征提取模块用于利用特征提取模型得到标记令牌、第一子图像特征、第二子图像特征；第一分类模块利用第一分类模型得到第一图像类别概率分布，利用第二分类模型得到第二图像类别概率分布；第一构建模块构建分类损失函数；第二构建模块构建平衡混合代理损失函数；最终损失函数构建模块构建最终损失函数，并对特征提取模型、第一分类模型、第二分类模型进行优化；第二分类模块利用优化后的模型确定待预测甲病图像的图像类别。本申请的甲病图像处理系统能够提高甲病图像分类的准确性。

公开(公告)号：CN117435747A

公开(公告)日：2024-01-23

申请号：CN202311741314.2

申请日：2023-12-18

Applicant: 中南大学

Inventor： 陈先来 ,  杨承林 ,  黄金彩 ,  陈翔 ,  安莹

IPC: G06F16/36 ,  G06F40/126 ,  G06F40/295 ,  G16C20/30 ,  G16H70/40

Abstract: 本发明实施例中提供了一种基于多层级细化网络的少样本链接预测药物再利用方法，属于数据处理技术领域，具体包括：对待预测的医药知识图谱中的实体及关系嵌入进行初始化；将待预测的医药知识图谱的关系集合按少样本链接预测任务进行划分处理；在元训练任务上多次训练得到多个基于多层级细化网络的少样本链接预测模型；将训练好的全部少样本链接预测模型对元测试任务进行链接预测，根据评价指标选择性能最优的模型，同时得到最终的实体及关系的嵌入；选择特定的疾病和治疗关系，以及数据集中全部药物实体，组成若干新的三元组，并获取对应三元组的嵌入，输入得分函数，得到治疗特定疾病的药物排序。通过本发明的方案，提高了预测效率和适应性。

公开(公告)号：CN112733164A

公开(公告)日：2021-04-30

申请号：CN202110016852.X

申请日：2021-01-07

Applicant: 中南大学

Inventor： 赵晓宇 ,  陈先来 ,  曾工棉

IPC: G06F21/60 ,  G06F21/62 ,  G16H10/60 ,  H04L9/08 ,  H04L29/06 ,  H04L29/08

Abstract: 本发明公开了一种基于区块链的病例共享方法，包括：S1.联盟链搭建：参与医疗数据生成的医院登记为管理员用户并加入区块链，组成联盟链网络；S2.用户注册：联盟链中所有成员使用相同客户端；S3.医疗数据的生成：患者每次就医后，由医生撰写医疗数据；S4.数据上传：医生将带有医患签名Sigdoc和Sigid的医疗数据上传至区块链网络中；S5.用户登录；S6.检索策略：用户对疾病编码进行检索，得到系统中该病种的所有数据；S7.在线交流：用户对病例检索后，与感兴趣的病例进行在线交流。通过运行智能合约对满足条件的数据进行上链，传播到各个节点后形成区块，散播到全网，使患者可以匿名性的获取到真实可靠的，已经发生的治疗方案，并与其余患者或者医生进行交流。

公开(公告)号：CN119033373A

公开(公告)日：2024-11-29

申请号：CN202411530032.2

申请日：2024-10-30

Applicant: 中南大学

Inventor： 陈先来 ,  李太翔 ,  王全贵 ,  范道生 ,  雷凌皓 ,  安莹 ,  郭霖 ,  裴廷睿

IPC: A61B5/1455 ,  A61B5/00 ,  A61B5/145 ,  G06F18/25 ,  G06F17/10

Abstract: 本申请适用于血糖检测技术领域，提供了一种基于多波长PPG传感器融合的血糖检测系统，包括：信号采集装置和处理器，信号采集装置包括用于产生多种不同中心波长的光的光源、透射接收模块、第一反射接收模块、第二反射接收模块、第一温湿度采集模块、第二温湿度采集模块和第三温湿度采集模块；处理器用于提取温湿度信号、手指所属对象的人口学信息、多种光对应的PPG信号的特征信息，并对提取到的特征信息进行融合，将融合结果输入血糖检测模型进行预测，得到血糖检测结果。本申请能提升血糖检测的准确性。

公开(公告)号：CN114652322B

公开(公告)日：2024-10-11

申请号：CN202210297296.2

申请日：2022-03-24

Applicant: 中南大学

Inventor： 安莹 ,  李梦雪 ,  陈先来 ,  任立男

IPC: A61B5/349 ,  A61B5/00 ,  A61B5/352 ,  A61B5/353

Abstract: 本发明公开了一种基于多域特征学习的心电信号分类方法和系统，所述分类方法包括：对原始心电信号进行预处理，即提取心电信号的RR间隔序列及P波区数据，并将P波区数据进行时频转换得到P波区时频图；对心电信号进行多域特征提取，得到心电信号的心律特征表示、心房活动特征表示及全局时空特征表示；再融合心律特征表示、心房活动特征表示以及全局时空特征表示得到心电信号的融合特征，并将融合特征输入分类层得到心电信号的分类结果。本发明实现了多域特征的采集及融合，将局部特征与全局特征相结合，获得更为完整的患者表示，进而提高了模型分类结果的精度。尤其是将所述方法应用于房颤分类时，其分类结果对临床辅助医生决策具有重要意义。

公开(公告)号：CN113902186B

公开(公告)日：2024-08-16

申请号：CN202111165778.4

申请日：2021-09-30

Applicant: 中南大学

Inventor： 安莹 ,  刘洋 ,  盛羽 ,  陈先来

IPC: G16H50/30 ,  G16H10/60 ,  G16H50/70 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于电子病历的患者死亡风险预测方法、系统、终端及可读存储介质。本发明所述方法构建的患者死亡风险预测模型，其将时间信息添加至医疗特征数据中得到具有时间特性的患者特征数据，再利用时序模型学习各类患者特征数据的特征表示，挖掘不规则时间模式，再引入具有层次结构的注意力机制将异构的特征数据进行融合，得到更为全面的融合特征，最后，将患者的融合表示应用于死亡风险预测，提高了模型预测精度以及可靠性。本发明有效地解决了现有技术面临的不规则时序建模问题以及多元异构数据融合问题，并将本发明所述方法与其他方法在同一数据集上测试比较，实验结果表明本发明所述方法在危重症患者死亡风险预测方面具有较好的性能。

公开(公告)号：CN117131198B

公开(公告)日：2024-01-16

申请号：CN202311404157.6

申请日：2023-10-27

Applicant: 中南大学

Inventor： 陈先来 ,  邓家美 ,  陈翔 ,  黄金彩 ,  安莹

IPC: G06F16/35 ,  G06F40/295 ,  G06F40/30 ,  G16B40/00 ,  G16H70/20 ,  G06N3/042 ,  G06N5/02 ,  G06N5/025

Abstract: 本发明实施例中提供了用于医学教学库的知识增强实体关系联合抽取方法及设备，属于数据处理技术领域，具体包括：利用词表征得到初始跨度表征；得到实体及实体间关系并将其作为未注入外部知识前的第一实体关系预测结果；构造医学数据集的外部知识图；更新得到融合全局信息的节点表征；采用基于注意力的去噪融合机制，基于注意力的评分机制为跨度和节点打分，按照得分加权融合跨度表征和节点表征；得到实体及实体间关系并将其作为注入外部知识后的第二实体关系预测结果；结合监督信息联合训练实体关系抽取模型；使用实体关系抽取模型对多视角医学资料进行实体识别和关系分类，形成医学教学资源库。通过本发明的方案，提高了识别

公开(公告)号：CN113517046B

公开(公告)日：2023-11-07

申请号：CN202110405703.2

申请日：2021-04-15

Applicant: 中南大学

Inventor： 安莹 ,  唐琨 ,  陈先来

IPC: G16H10/60 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种电子病历中异构数据特征融合方法及基于融合特征的预测方法、系统及可读存储介质，所述方法包括：步骤1：将患者的电子病历数据进行处理构成患者的就诊向量；步骤2：将每类数据的就诊向量作为原始输入数据，分别利用Bi_LSTM模型和CNN模型提取时序特征和非时序特征；步骤3：分别综合每类数据的时序特征和非时序特征得到综合特征；步骤4：利用所述综合特征挖掘每类数据的之间的作用信息得到每类数据对应的最终特征。其中，利用得到最终特征可以用于疾病风险预测，本发明综合了不同类型医学数据各自的时序和非时序特征及其之间的相互关系，以获得更准确的患者表示特征，进而提高了疾病风险预测结果的可靠性。

公开(公告)号：CN114764563A

公开(公告)日：2022-07-19

申请号：CN202110028054.9

申请日：2021-01-11

Applicant: 中南大学

Inventor： 陈先来 ,  张斌

IPC: G06F40/216 ,  G06F40/289 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机数据挖掘与应用领域，主要是实现医疗临床文本领域电子病历的分词算法。本发明主要通过传统LSTM和CRF结合预训练语言模型以及无标注数据和少量标注数据，训练得到一个领域适应性较强的语言模型，最终达到在临床文本上分词取得较好的效果。本方法相比传统获取word embedding来做文本序列的分析的神经网络方法，不仅可以充分利用大量无标注数据，还可以减少对标注数据的依赖，可以大程度的减少人工成本，并且能够获得更好的效果。

公开(公告)号：CN114090779B

公开(公告)日：2022-04-22

申请号：CN202210024684.3

申请日：2022-01-11

Applicant: 中南大学

Inventor： 李芳芳 ,  崔玉峰 ,  张健 ,  龙军 ,  陈先来

IPC: G06F16/35 ,  G06F40/169 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明中提供了一种篇章级文本的层级多标签分类方法、系统、设备及介质，属于数据处理技术领域，具体包括：得到有监督文本数据集；得到标题特征项集和内容特征项集；对标题特征项集和内容特征项集中的每个特征项进行向量化；将向量化后的标题特征项集合训练长短时记忆神经网络，得到标题分类模型，以及，将向量化后的内容特征项集合训练分级注意力网络，得到内容分类模型；将标题特征项集输入标题分类模型，得到一级预测结果；根据层级标签体系，将内容特征项集根据一级预测结果输入与其对应的内容分类模型，得到二级预测结果。通过本发明的方案，实现了捕捉分类的层级信息，提高了分类的适应性和精度。