-
公开(公告)号：CN118171693B
公开(公告)日：2024-10-29
申请号：CN202410400018.4
申请日：2024-04-03
Applicant: 中国人民解放军总医院
IPC: G06N3/0455 , G06N3/0895 , G06N20/00 , G06N5/022 , G16H50/30 , G16H70/20 , G16H50/70 , G06F16/33 , G06F18/24 , G16H10/60
Abstract: 本发明实施例涉及一种生成式医疗大模型的处理方法和装置，所述方法包括：基于生成式大语言模型构建生成式医疗大模型；基于医学领域知识构建预训练数据集并基于心血管共病领域知识为各类模型下游任务构建对应的微调数据集；基于预训练数据集对生成式医疗大模型进行预训练得到对应的基版大模型；基于各个微调数据集对基版大模型进行微调得到对应的下游任务大模型；对所有下游任务大模型进行评估得到对应的模型评估结果。通过本发明可以解决心血管疾病细分领域的大模型训练方案缺失问题、还能提供多类任务大模型。
-
公开(公告)号：CN118171693A
公开(公告)日：2024-06-11
申请号：CN202410400018.4
申请日：2024-04-03
Applicant: 中国人民解放军总医院
IPC: G06N3/0455 , G06N3/0895 , G06N20/00 , G06N5/022 , G16H50/30 , G16H70/20 , G16H50/70 , G06F16/33 , G06F18/24 , G16H10/60
Abstract: 本发明实施例涉及一种生成式医疗大模型的处理方法和装置，所述方法包括：基于生成式大语言模型构建生成式医疗大模型；基于医学领域知识构建预训练数据集并基于心血管共病领域知识为各类模型下游任务构建对应的微调数据集；基于预训练数据集对生成式医疗大模型进行预训练得到对应的基版大模型；基于各个微调数据集对基版大模型进行微调得到对应的下游任务大模型；对所有下游任务大模型进行评估得到对应的模型评估结果。通过本发明可以解决心血管疾病细分领域的大模型训练方案缺失问题、还能提供多类任务大模型。
-
公开(公告)号：CN117672522B
公开(公告)日：2025-02-21
申请号：CN202311693891.9
申请日：2023-12-11
Applicant: 中国人民解放军总医院
IPC: G16H50/30 , G06F18/27 , G06F18/2415 , G06F18/243 , G06N20/00
Abstract: 本发明涉及一种基于机器学习模型的骨肉瘤生存预测方法，其方法包括：基于SEER数据库得到数据基线资料；从基线资料中运用多种方法筛选出初筛变量作为可选因子组合；基于可选因子组合来构建多种机器学习组合预测模型，并根据平均C‑index值确定最优预测模型；根据最优预测模型对可选因子组合进行变量筛选和重要性评价，得到最优变量组合，引入risk score结合最优变量组合临床指标进行包含KM生存曲线、单因素Cox、多因素Cox和建立列线图预测几年生存率的生存分析。本发明解决了现有的临床特征难以评估骨肉瘤患者的真实情况的问题，能给骨肉瘤患者提供合适的高精度的能够纳入多种预后相关的变化因素的预测模型。
-
公开(公告)号：CN118412043A
公开(公告)日：2024-07-30
申请号：CN202410523567.0
申请日：2024-04-28
Applicant: 中国人民解放军总医院
IPC: G16B40/00 , G16B20/20 , G16B50/30 , G16H50/70 , G06N3/0464 , G06N3/045 , G06N3/096 , G06N3/0985 , G06F18/15 , G06F18/25 , G06F18/22 , G06N3/048
Abstract: 本发明涉及一种癌症干预反应预测模型的训练方法和装置，包括：获取训练样本数据；将训练样本数据输入到癌症干预反应预测模型中，并依次经由癌症干预反应预测模型的编码模块、构建提取模块和预测模块进行处理，得到相应的癌症干预反应训练结果；基于癌症干预反应训练结果，构建目标损失函数，并基于目标损失函数对癌症干预反应预测模型进行训练，得到训练好的癌症干预反应预测模型，从而通过对癌症干预反应预测模型的训练方法进行改进，提高了模型的预测精度。
-
公开(公告)号：CN119539032B
公开(公告)日：2025-04-29
申请号：CN202510082012.1
申请日：2025-01-17
Applicant: 中国人民解放军总医院
Abstract: 本申请公开了一种基于生物信息数据的生物信息模型训练方法和装置，一般涉及计算机技术领域。该方法包括：通过用户集合中第一用户的第一数据集对初始生物信息模型进行训练，生成第一生物信息模型，第一数据集为第一用户的本地数据；筛选用户集合中的第二用户，第一用户和第二用户为用户集合中的不同用户；通过第二用户的第二数据集对第一生物信息模型进行训练，生成第二生物信息模型，并获取第二生物信息模型的收敛值，第二数据集为第二用户的本地数据；在第二生物信息模型的收敛值小于第一预设阈值的情况下，确认第二生物信息模型为目标生物信息模型，目标生物信息模型为训练完成的模型。能够大幅提高训练效率，并且降低训练过程所需要的通信资源。
-
Patent Agency Ranking
公开(公告)号：CN119539032A
公开(公告)日：2025-02-28
申请号：CN202510082012.1
申请日：2025-01-17
Applicant: 中国人民解放军总医院
Abstract: 本申请公开了一种基于生物信息数据的生物信息模型训练方法和装置，一般涉及计算机技术领域。该方法包括：通过用户集合中第一用户的第一数据集对初始生物信息模型进行训练，生成第一生物信息模型，第一数据集为第一用户的本地数据；筛选用户集合中的第二用户，第一用户和第二用户为用户集合中的不同用户；通过第二用户的第二数据集对第一生物信息模型进行训练，生成第二生物信息模型，并获取第二生物信息模型的收敛值，第二数据集为第二用户的本地数据；在第二生物信息模型的收敛值小于第一预设阈值的情况下，确认第二生物信息模型为目标生物信息模型，目标生物信息模型为训练完成的模型。能够大幅提高训练效率，并且降低训练过程所需要的通信资源。
-
公开(公告)号：CN118412043B
公开(公告)日：2025-02-28
申请号：CN202410523567.0
申请日：2024-04-28
Applicant: 中国人民解放军总医院
IPC: G16B40/00 , G16B20/20 , G16B50/30 , G16H50/70 , G06N3/0464 , G06N3/045 , G06N3/096 , G06N3/0985 , G06F18/15 , G06F18/25 , G06F18/22 , G06N3/048
Abstract: 本发明涉及一种癌症干预反应预测模型的训练方法和装置，包括：获取训练样本数据；将训练样本数据输入到癌症干预反应预测模型中，并依次经由癌症干预反应预测模型的编码模块、构建提取模块和预测模块进行处理，得到相应的癌症干预反应训练结果；基于癌症干预反应训练结果，构建目标损失函数，并基于目标损失函数对癌症干预反应预测模型进行训练，得到训练好的癌症干预反应预测模型，从而通过对癌症干预反应预测模型的训练方法进行改进，提高了模型的预测精度。
-
公开(公告)号：CN118171694B
公开(公告)日：2025-01-24
申请号：CN202410400021.6
申请日：2024-04-03
Applicant: 中国人民解放军总医院
IPC: G06N3/0455 , G06N3/08 , G06N5/022 , G06N20/00 , G06F16/334 , G06F18/24 , G16H50/70 , G16H50/30 , G16H70/20
Abstract: 本发明实施例涉及一种基于心血管共病知识图谱更新医疗大模型的方法和装置，所述方法包括：获取医疗大模型的基座模型参数集；并基于基座模型参数集对医疗大模型进行参数配置得到对应的第一基座模型；采集心血管共病领域知识并结合第一基座模型的编码器网络为医疗大模型的各个下游模型任务构建对应的知识图谱记为对应的第一知识图谱；基于各个第一知识图谱对第一基座模型进行模型参数微调得到对应的第一下游任务大模型。通过本发明可以解决心血管共病细分领域的模型微调方案缺失问题，还能与各个下游模型任务相结合通过模型参数微调得到多个下游任务大模型。
-
公开(公告)号：CN118171694A
公开(公告)日：2024-06-11
申请号：CN202410400021.6
申请日：2024-04-03
Applicant: 中国人民解放军总医院
IPC: G06N3/0455 , G06N3/08 , G06N5/022 , G06N20/00 , G06F16/33 , G06F18/24 , G16H50/70 , G16H50/30 , G16H70/20
Abstract: 本发明实施例涉及一种基于心血管共病知识图谱更新医疗大模型的方法和装置，所述方法包括：获取医疗大模型的基座模型参数集；并基于基座模型参数集对医疗大模型进行参数配置得到对应的第一基座模型；采集心血管共病领域知识并结合第一基座模型的编码器网络为医疗大模型的各个下游模型任务构建对应的知识图谱记为对应的第一知识图谱；基于各个第一知识图谱对第一基座模型进行模型参数微调得到对应的第一下游任务大模型。通过本发明可以解决心血管共病细分领域的模型微调方案缺失问题，还能与各个下游模型任务相结合通过模型参数微调得到多个下游任务大模型。
-
公开(公告)号：CN117672522A
公开(公告)日：2024-03-08
申请号：CN202311693891.9
申请日：2023-12-11
Applicant: 中国人民解放军总医院
IPC: G16H50/30 , G06F18/27 , G06F18/2415 , G06F18/243 , G06N20/00
Abstract: 本发明涉及一种基于机器学习模型的骨肉瘤生存预测方法，其方法包括：基于SEER数据库得到数据基线资料；从基线资料中运用多种方法筛选出初筛变量作为可选因子组合；基于可选因子组合来构建多种机器学习组合预测模型，并根据平均C‑index值确定最优预测模型；根据最优预测模型对可选因子组合进行变量筛选和重要性评价，得到最优变量组合，引入risk score结合最优变量组合临床指标进行包含KM生存曲线、单因素Cox、多因素Cox和建立列线图预测几年生存率的生存分析。本发明解决了现有的临床特征难以评估骨肉瘤患者的真实情况的问题，能给骨肉瘤患者提供合适的高精度的能够纳入多种预后相关的变化因素的预测模型。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.033 seconds)
