-
公开(公告)号：CN118248341A
公开(公告)日：2024-06-25
申请号：CN202311304280.0
申请日：2023-10-09
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种重症患者病情变化动态预测方法，包括以下步骤：S1、构建观测数据集；S2、特征工程；S3、特征筛选；S4、风险预测；S5、风险分层。该重症患者病情变化动态预测方法，通过建立全面、动态风险预测模型，所建立的模型对比此前技术更科学、完整，其动态性克服了第一类现有技术只能基于有限固定时间观察结果预测的局限；其纳入指标的全面性，克服了第二类现有技术只观察少数血液化验指标，无法全面反应患者病理进展过程和治疗过程的局限，扩展了模型预测结局对临床的价值。
-
公开(公告)号：CN118230961A
公开(公告)日：2024-06-21
申请号：CN202410531309.7
申请日：2024-04-29
Applicant: 中国医学科学院北京协和医院
IPC: G16H50/30 , G16H50/20 , G06F18/10 , G06F18/214
Abstract: 本发明公开了一种用于评估老年患者手术风险评分与临床决策系统，包括：数据读取模块、数据清洗模块、特征工程模块、训练集划分模块、模型训练模块、模型调参模块、模型评估模块、模型导出模块、模型预测模块、预测分层模块、结果输出模块。能够提高手术风险评估准确性，更全面地考虑各种相关因素，提供更精确的风险评估结果；个体化精细风险评估和预测分层：根据预测分层的结果，医疗资源可以更有针对性地分配，将关注重点放在高风险患者身上，以提高资源利用效率和治疗效果。
-
公开(公告)号：CN114171147A
公开(公告)日：2022-03-11
申请号：CN202111446280.5
申请日：2021-11-30
Applicant: 中国医学科学院北京协和医院 , 北京安妮福克斯信息咨询有限公司
IPC: G16H10/60 , G06N3/08 , G06N3/04 , G06F40/295 , G06F40/289
Abstract: 本发明提供一种新型医疗文本预处理系统，其特征在于，包括：文本数据；文本预处理，文本预处理的输出端单向连接于文本数据的输入端，文本预处理的输出端单向连接有mord2vec模型生成词向量，mord2vec模型生成词向量的输出端单向连接有堆叠BILSTM模型捕捉上下语境特征，所述堆叠BILSTM模型捕捉上下语境特征的输出端单向连接有CRF模型提取全局最优序列，所述CRF模型提取全局最优序列的输出端单向连接有输出预测命名实体识别序列，S1：所述文本预处理对输入的妊娠糖尿病电子病历文本进行分词。本发明提供的一种新型医疗文本预处理系统，可以获取到包含更丰富、更精准特征信息的文本表示，使得妊娠糖尿病电子病历的命名实体识别效果更加精准。
-
Patent Agency Ranking
公开(公告)号：CN118366641A
公开(公告)日：2024-07-19
申请号：CN202410531307.8
申请日：2024-04-29
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种用于脓毒症预后的血管反应性指标动态预测方法，包括以下步骤：步骤1：根据脓毒症患者观察期血管活性药物的配置数据以及患者的体重数据，确定患者每种药物的标准剂量；步骤2：根据每种血管活性药物的标准泵速计算每小时血管活性肌力评分；步骤3：根据观察期每小时间隔的血管活性肌力评分和对应时刻的平均动脉压计算血管反应性指标；步骤4：根据预设的患者的血压反应指数和院内死亡预警分级策略级；步骤5：对脓毒症患者构建血管反应性指标动态变化风险预测，进行动态预测。通过脓毒症患者短期内病情好转动态预测模型及重要特征排序得出与脓毒症患者短期好转最相关的指标，该结果可以为临床医生的诊疗决策提供参考。
-
公开(公告)号：CN111973222A
公开(公告)日：2020-11-24
申请号：CN202010853284.4
申请日：2020-08-23
Applicant: 云知声智能科技股份有限公司 , 中国医学科学院北京协和医院 , 北京协和医疗信息技术有限责任公司
IPC: A61B8/00
Abstract: 本申请提供了一种超声检测系统和超声检测方法，其中，该超声检测系统包括超声探头、采集设备和处理设备；其中，超声探头、采集设备均与处理设备连接；超声探头，用于检测患者的待检测部位，生成检测信号；并将检测信号发送给处理设备；采集设备，用于采集医生的第一指示信息，并将第一指示信息发送给处理设备；处理设备，用于基于接收的第一指示信息，对检测信号进行处理。该超声检测系统能够确保医生利用超声探头为患者进行检测的同时，控制处理设备进行后续处理，操作便捷，有效地提高了医生的工作效率。
-
公开(公告)号：CN118230962A
公开(公告)日：2024-06-21
申请号：CN202410531318.6
申请日：2024-04-29
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种快速脓毒症风险分层评分方法，包括以下步骤：步骤1：连接任一适配的脓毒症数据库的内部队列，获取脓毒症确诊数据，对数据进行预处理后，建立评分模型；步骤2：建立风险量表，分析计算患者RSRS风险评分；步骤3：根据RSRS风险评分的分数确定风险分层；步骤4：将风险分层和风险评分分数作为支撑数据实现临床决策。通过RSRS评分的简单性保证了其在对患者进行早期和快速预后评估时的实用性，临床医生只需通过监测脓毒性休克的发生来更新RSRS评分，RSRS纳入了感染灶作为风险要素，更加全面的刻画了脓毒症患者风险特征，也因此简化了风险判断。
-
公开(公告)号：CN115238693A
公开(公告)日：2022-10-25
申请号：CN202210809038.8
申请日：2022-07-11
Applicant: 中国医学科学院北京协和医院 , 北京安妮福克斯信息咨询有限公司
IPC: G06F40/295 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多分词和多层双向长短期记忆的中文命名实体识别方法，通过对BERT‑BILSTM‑CRF模型的修改，提高命名实体的识别精度；确定命名实体识别模型的输入与输出：以医疗文本为研究对象，将带有实体标注的医疗文本数据集作为命名实体识别模型的输入，模型的输出是对数据集进行医疗实体预测后给出的实体标注结果；本发明，通过进一步强化模型的文本的语境特征提取性能，一方面考虑了多词切分的方法来增加局部语境特征，另一方面引入了多层双向长短期记忆方法，通过设置不同深度的BILSTM模型来增加全局语境特征以及引入了医学词典这一外部知识，通过丰富模型学习过程中的语义特征信息，从而进一步提升命名实体识别任务的精度。
-
公开(公告)号：CN115169348A
公开(公告)日：2022-10-11
申请号：CN202210726176.X
申请日：2022-06-24
Applicant: 中国医学科学院北京协和医院 , 北京安妮福克斯信息咨询有限公司
IPC: G06F40/295 , G06F40/30 , G06F16/35 , G06N3/04
Abstract: 本发明公开了一种基于混合神经网络的事件抽取方法，具体涉及自然语言文本处理技术领域，包括步骤一：对原始文本进行数据预处理，并对原始文本进行分句，得到事件句，再对事件句进行分词、命名体识别，并将事件句序列转换为词向量的形式；步骤二：将以词向量表示的事件句序列传入到双向长短时记忆网络，即（前向和后向两个子LSTM网络），再利用BERT模型来捕捉字级别的语义特征。本发明利用BERT模型来解决一词多义的问题，且充分考虑了卷积神经网络有效提取文本局部特征与BILSTM网络提取文本全局特征的优势，以及文本在上下文语义中的信息，有效提取了文本的特征。模糊上下文语义的情况被解决，提高了事件抽取的效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
