-
公开(公告)号：CN118690277A
公开(公告)日：2024-09-24
申请号：CN202411166442.3
申请日：2024-08-23
Applicant: 中国科学院自动化研究所
IPC: G06F18/2415 , G16H50/30 , G06F17/16 , G06F18/211 , G06F18/214
Abstract: 本发明公开了基于子矩阵集成与容忍缺失技术的智能健康评估方法，属于医疗数据处理技术领域。所述方法构建了一个特征选择器，使用对称不确定度作为权重，来选择生成完整子矩阵的特征，并通过子矩阵训练相应的子分类器来构建类似于决策树的集成分类器，通过构建多个这样的集成分类器，充分发挥了特征与特征和特征与标签之间的相互作用；通过证据理论将每个集成分类器的分类概率相组合，放大对预测结果较为确信的集成分类器的影响。本发明有效地识别和避开了医疗表格数据中的缺失特征，提高了模型的训练效率和性能。
-
公开(公告)号：CN118656681A
公开(公告)日：2024-09-17
申请号：CN202411124768.X
申请日：2024-08-16
Applicant: 中国科学院自动化研究所
IPC: G06F18/24 , G06N3/0442 , G06N5/02 , G06F18/15 , G06F123/02
Abstract: 本发明提供了一种时空数据预测方法、电子设备以及存储介质，可以应用于航迹预测领域。该方法包括：将飞行空间和飞行时间序列分别进行网格化处理以及标记编码；基于标记编码后的飞行三维空间网格和标记编码后的飞行时间网格构建多维度关系数据的时空知识图谱；利用时空知识图谱提取随时间变化的飞行热点区域序列，并基于飞行热点区域序列，通过训练完成的双向长短记忆网络对飞行热点区域进行预测，得到飞行热点区域的第一预测结果；利用时空知识图谱提取随时间变化的多变量时间序列，并基于多变量时间序列，通过训练完成的基于注意力机制的序列模型对飞行热点区域进行预测，得到飞行热点区域的第二预测结果。
-
公开(公告)号：CN110335285B
公开(公告)日：2022-04-26
申请号：CN201910611220.0
申请日：2019-07-08
Applicant: 中国科学院自动化研究所
IPC: G06T7/136 , G06T7/70 , G06V20/10 , G06V10/25 , G06V10/774 , G06K9/62 , G06F16/583 , G06F16/58 , G06F16/56
Abstract: 本发明属于海洋舰船、机场飞机和阵地汽车安防遥感检测领域，具体涉及一种基于稀疏表示的SAR图像目标标记方法、系统、装置，旨在解决现有SAR图像目标检测及标记效率、准确率低的问题。本系统方法包括获取SAR图像，对图像阈值分割后进行形态学处理，提取感兴趣区域；采用粗过滤，将粗过滤后的感兴趣区域作为第一区域图像；提取第一区域图像的多尺度的特征向量，分别获取特征向量对应的稀疏表示；基于不同尺度的稀疏表示，通过SVM分类模型分别得到其对应的分类结果，并采用预设的决策方法，获取第一区域图像的类别；基于第一区域图像的类别和位置信息，在SAR图像中对第一区域图像标记。本发明可以高效、准确的进行目标检测及标记。
-
公开(公告)号：CN119770334A
公开(公告)日：2025-04-08
申请号：CN202411916694.3
申请日：2024-12-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了基于视觉定位的头部针灸半监督智能取穴方法及系统，属于智能辅助医疗技术领域。所述方法包括采集人脸图像并提取面部标准二维特征点；利用面部标准二维特征点的三维空间坐标和头部穴位特征点的三维空间坐标，构建第一训练数据集，训练多层感知器映射网络；以虚拟人脸图像和头部穴位特征点二维坐标构建的第二训练数据集，训练Yolo二维映射网络；将未经标注的人脸图像输入训练好的多层感知器映射网络和训练好的Yolo网络，加权融合两个网络输出的二维坐标，完成头部针灸智能辅助取穴。本发明实现了对面部穴位的半监督精确识别和定位，从而在依赖少量标注数据前提下，提高患者自助针灸治疗的准确性和安全性。
-
公开(公告)号：CN118656681B
公开(公告)日：2025-02-14
申请号：CN202411124768.X
申请日：2024-08-16
Applicant: 中国科学院自动化研究所
IPC: G06F18/24 , G06N3/0442 , G06N5/02 , G06F18/15 , G06F123/02
Abstract: 本发明提供了一种时空数据预测方法、电子设备以及存储介质，可以应用于航迹预测领域。该方法包括：将飞行空间和飞行时间序列分别进行网格化处理以及标记编码；基于标记编码后的飞行三维空间网格和标记编码后的飞行时间网格构建多维度关系数据的时空知识图谱；利用时空知识图谱提取随时间变化的飞行热点区域序列，并基于飞行热点区域序列，通过训练完成的双向长短记忆网络对飞行热点区域进行预测，得到飞行热点区域的第一预测结果；利用时空知识图谱提取随时间变化的多变量时间序列，并基于多变量时间序列，通过训练完成的基于注意力机制的序列模型对飞行热点区域进行预测，得到飞行热点区域的第二预测结果。
-
Patent Agency Ranking
公开(公告)号：CN118071829A
公开(公告)日：2024-05-24
申请号：CN202410216510.6
申请日：2024-02-27
Applicant: 中国科学院自动化研究所
IPC: G06T7/73 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0895 , G06T17/00
Abstract: 本发明提供一种医疗器械位姿估计模型的训练方法、位姿估计方法及装置，该医疗器械位姿估计模型的训练方法包括：从虚拟医疗器械的姿态采样空间中的多个采样点分别获取多个样本图像；分别提取出每个样本图像对应的轮廓掩码图，并根据轮廓掩码图与对应的刚体变换矩阵生成目标训练集；根据目标训练集和融合特征训练位姿估计网络，并结合梯度回传机制更新位姿估计网络的模型参数，得到医疗器械位姿估计模型；融合特征基于目标训练集中的全局信息和局部信息确定。本发明所述方法通过自动渲染生成的样本自监督的训练网络，能够在真实场景中的单目内窥镜对手术器械进行鲁棒的位姿估计，并提高了医疗器械位姿估计的准确性。
-
公开(公告)号：CN117891907A
公开(公告)日：2024-04-16
申请号：CN202311725085.5
申请日：2023-12-14
Applicant: 中国科学院自动化研究所
IPC: G06F16/332 , G06F16/36 , G06F16/33 , G06F40/284 , G06F40/30 , G06F40/194 , G16H70/00
Abstract: 本发明提供一种临床知识问答方法、装置、电子设备及存储介质，应用于临床医疗技术领域。该方法包括：获取目标患者的患者标识和临床知识查询文本；根据所述患者标识和所述临床知识查询文本从医疗百科知识图谱中确定M个医疗知识路径；计算所述临床知识查询文本与每个医疗知识路径的路径相似度，并根据所述路径相似度对所述M个医疗知识路径进行排序和筛选，得到路径相似度最高的N个医疗知识路径；将所述N个医疗知识路径中与所述临床知识查询文本的语义匹配度最高的医疗知识路径作为临床知识答案文本；其中，所述路径相似度的计算速度大于所述语义匹配度的计算速度，M、N均为正整数，且M大于N。
-
公开(公告)号：CN118690203B
公开(公告)日：2024-11-15
申请号：CN202411166576.5
申请日：2024-08-23
Applicant: 中国科学院自动化研究所
IPC: G06F18/214 , G16H50/70 , G06N3/0442 , G06N3/0455 , G06N3/098 , G06F18/213 , G06F21/62
Abstract: 本发明公开了一种基于自步学习与个性化联邦学习的多中心数据处理方法，属于医疗数据处理技术领域。所述方法包括：基于全局自步学习策略训练全局联邦模型：基于训练样本损失值和样本选择阈值对客户端训练样本进行排序和选择，动态调整样本选择阈值以使得全局联邦模型在不同训练阶段选择不同的客户端训练样本；构建针对各中心的个性化模型：将训练好的全局联邦模型拆分为特征提取器部分与决策器部分，并对参数进行解耦，将解耦后的特征提取器参数设置为共享参数，决策器参数设置为客户端私有参数。本发明解决了患者隐私保护问题，联邦模型的个性化适配问题，以及避免了数据异质导致的全局模型的泛化能力受限和难以收敛到全局最优模型的问题。
-
公开(公告)号：CN118690333A
公开(公告)日：2024-09-24
申请号：CN202411174672.4
申请日：2024-08-26
Applicant: 中国科学院自动化研究所
IPC: G06F18/25 , G06F40/177 , G16H10/60 , G16H50/30 , G16H50/70 , G06N3/0455 , G06F18/241
Abstract: 本发明公开了基于异质表格信息融合的病情严重程度预测方法，属于电子数据处理技术领域。所述方法包括步骤1、对电子病例异质表格信息样本中的结构化数据进行特征嵌入处理得到综合嵌入向量；步骤2、基于文本处理模块对电子病例异质表格信息样本中的非结构化数据进行处理得到具有完整上下文信息的嵌入向量；步骤3、利用异质表格信息融合器对综合嵌入向量和具有完整上下文信息的嵌入向量进行融合，得到电子病例异质表格信息样本的综合向量表征，输出病情严重程度预测结果。本发明设计了异质数据融合技术，更好地捕捉结构化和非结构化数据之间的关系，提升医疗异质数据的处理和分析能力，从而实现对病情严重程度更好的预测。
-
公开(公告)号：CN118690277B
公开(公告)日：2024-10-25
申请号：CN202411166442.3
申请日：2024-08-23
Applicant: 中国科学院自动化研究所
IPC: G06F18/2415 , G16H50/30 , G06F17/16 , G06F18/211 , G06F18/214
Abstract: 本发明公开了基于子矩阵集成与容忍缺失技术的智能健康评估方法，属于医疗数据处理技术领域。所述方法构建了一个特征选择器，使用对称不确定度作为权重，来选择生成完整子矩阵的特征，并通过子矩阵训练相应的子分类器来构建类似于决策树的集成分类器，通过构建多个这样的集成分类器，充分发挥了特征与特征和特征与标签之间的相互作用；通过证据理论将每个集成分类器的分类概率相组合，放大对预测结果较为确信的集成分类器的影响。本发明有效地识别和避开了医疗表格数据中的缺失特征，提高了模型的训练效率和性能。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
