公开(公告)号：CN118095285A

公开(公告)日：2024-05-28

申请号：CN202410304042.8

申请日：2024-03-18

Applicant: 中国医学科学院医学信息研究所

Inventor： 吴思竹 ,  王安然 ,  刘盛宇

IPC: G06F40/295 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08 ,  G06N7/01 ,  G16H10/60

Abstract: 本发明公开了一种基于深度学习的电子病历命名实体识别方法及系统，涉及医学命名实体识别技术领域。包括：S1.获取数据步骤；S2.数据预处理步骤；S3.数据划分步骤；S4.模型构建步骤；S5.模型训练步骤；S6.训练结束步骤；S7.识别步骤。本发明通过BigBird模型动态融合中文汉字特征、电子病历知识特征，并结合BiLSTM和CRF提升了BigBird模型医学命名实体的准确性和识别性能。

公开(公告)号：CN119415245A

公开(公告)日：2025-02-11

申请号：CN202411388540.1

申请日：2024-09-30

Applicant: 中国医学科学院医学信息研究所

Inventor： 吴思竹 ,  刘盛宇 ,  钟明

IPC: G06F9/50

Abstract: 本发明公开了一种基于动态权重计算的GPU资源调度方法及系统，涉及算法服务技术领域，包括：根据算法初始权重和分析任务设计的算法流程对算法进行预运行；获取算法算力资源数据，并对算法算力资源进行预评估；根据算法算力资源数据、预评估的算法算力资源以及算法任务解析，设置执行算法流程的优先级顺序和动态权重，计算算法算力资源并生成动态调度方案；对算法算力资源进行验证和调整；加载全量数据运行算法，执行算法流程，并监测算法流程的执行过程。本发明可有效解决在服务器、GPU有限的情况下，满足尽可能更多的用户执行分析任务，而不出现排队等待或因资源竞争导致任务失败的情况，确保算法平台高效稳定运行。

公开(公告)号：CN117234480B

公开(公告)日：2024-01-23

申请号：CN202311499735.9

申请日：2023-11-13

Applicant: 中国医学科学院医学信息研究所

Inventor： 吴思竹 ,  钱庆 ,  刘盛宇 ,  修晓蕾 ,  王安然

IPC: G06F8/30 ,  G06Q10/10

Abstract: 本发明公开了一种基于本体的多编程语言组件规范和工作流系统及使用方法，涉及计算机技术领域，通过多语言编程组件管理器分别与工作流设计建模器和多编程语言转换引擎连接；核心工作流引擎分别与工作流设计建模器和多编程语言转换引擎连接；本发明设计一种支持多编程语言转换和组件规范管理的本体用于规范核心组件定义、支持多编程语言数据转换通信和组件管理，支持多类工作流组件自定义设计创建、灵活扩展和结果交互，充分利用各种程序设计语言的优势，降低多种编程语言开发的组件适用性的技术难度，实现最大化地利用多编程语言达到1+1>2”的效果的同时，灵活的组配无代码和代码开发组件工作流实现多元化数据处理和挖掘分析任务的目标。

公开(公告)号：CN117234480A

公开(公告)日：2023-12-15

申请号：CN202311499735.9

申请日：2023-11-13

Applicant: 中国医学科学院医学信息研究所

Inventor： 吴思竹 ,  钱庆 ,  刘盛宇 ,  修晓蕾 ,  王安然

IPC: G06F8/30 ,  G06Q10/10

Abstract: 本发明公开了一种基于本体的多编程语言组件规范和工作流系统及使用方法，涉及计算机技术领域，通过多语言编程组件管理器分别与工作流设计建模器和多编程语言转换引擎连接；核心工作流引擎分别与工作流设计建模器和多编程语言转换引擎连接；本发明设计一种支持多编程语言转换和组件规范管理的本体用于规范核心组件定义、支持多编程语言数据转换通信和组件管理，支持多类工作流组件自定义设计创建、灵活扩展和结果交互，充分利用各种程序设计语言的优势，降低多种编程语言开发的组件适用性的技术难度，实现最大化地利用多编程语言达到“1+1>2”的效果的同时，灵活的组配无代码和代码开发组件工作流实现多元化数据处理和挖掘分析任务的目标。

公开(公告)号：CN116863257A

公开(公告)日：2023-10-10

申请号：CN202310966999.4

申请日：2023-08-02

Applicant: 中国医学科学院医学信息研究所

Inventor： 吴思竹 ,  钱庆 ,  刘盛宇 ,  钟明

IPC: G06V10/77 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的CT图像上纵膈病灶的检测方法及系统，涉及医疗影像智能识别领域。方法包括以下步骤：S1、数据获取及预处理步骤；S2、模型构建步骤；S3、模型训练步骤；S4、模型验证步骤；通过应用DeepLesion数据集进行模型预训练及应用MICCAI2022MELA Challenge数据集进行模型训练和验证。本发明为CT图像上的纵膈病灶检测提供了一种有效的算法，有望大幅减少放射科医生的工作量，提高放射科医生的表现，并缩短报告时间。