公开(公告)号：CN116631641B

公开(公告)日：2023-12-22

申请号：CN202310898736.4

申请日：2023-07-21

Applicant: 之江实验室

Inventor： 胡丹青 ,  朱晓峰 ,  苏慧

IPC: G16H50/70 ,  G06N3/042 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种集成自适应相似患者图的疾病预测装置，先构建多个平衡的训练子集，然后训练相似患者图构建学习器，自动生成每个训练子集的最佳患者关联关系，再利用图神经网络算法共享关联患者之间的信息生成群体深度隐藏特征，在得到的群体深度隐藏特征上再进行一次患者关联关系和群体深度隐藏特征学习，最后针对新的患者，利用训练好的模型自动将其添加到多个训练子集中并自动生成与其他样本的关联关系和深度隐藏特征，用于疾病预测，可解决现有疾病预测装置处理不平衡数据时性能下降和无法有效共享患者之间信息的问题。

公开(公告)号：CN118016230A

公开(公告)日：2024-05-10

申请号：CN202410111765.6

申请日：2024-01-26

Applicant: 之江实验室

Inventor： 苏慧 ,  胡丹青 ,  朱晓峰

IPC: G16H15/00 ,  G16H30/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于标签干预的CT影像报告生成方法、装置和介质，该方法包括：首先针对医学图片，构建检测损失和分类损失，对图像编码器进行训练，使其实现肿块的检测功能、肺部病情特点多个标签信息的分类功能；然后根据已训编码器判断的肺部肿物标签，匹配到相应的肺部肿物术语名称，将多个术语名称拼接，生成拼接术语；再将拼接术语通过词嵌入的方式映射到向量空间，生成标签干预向量；最后将输入标识、标签干预向量和图像编码器特征一同送入解码器中，构建字幕损失，对解码器进行训练，使其能生成医学报告。本发明方法内容新颖，针对数据量少、篇幅长的真实医学数据，也能有效挖掘报告关键性信息与图像的关联，生成更优的医学报告。

公开(公告)号：CN116564524A

公开(公告)日：2023-08-08

申请号：CN202310791063.2

申请日：2023-06-30

Applicant: 之江实验室

Inventor： 胡丹青 ,  朱晓峰 ,  苏慧

IPC: G16H50/30 ,  G16H50/70 ,  G06F18/243 ,  G06F18/27 ,  G06F18/2415

Abstract: 本发明公开了一种伪标签演变趋势正则的预后预测装置，其执行时：获取包含多名患者的预后数据集，选择出患者发生终点事件或失访的时间最大值并将其划分成多个等间隔的时间段，计算所有患者每个时间段内的预后标签结果，其中利用KM曲线计算患者失访的时间段及其之后各时间段内的伪标签结果；构建预后预测模型，预测患者每个时间段内发生终点事件的概率；构建损失函数，包括各时间段内预测结果和预后标签结果之间的误差，以及根据预后标签结果计算的预后演变趋势正则化项；基于损失函数对预后预测模型进行参数优化；利用优化的预后预测模型进行预后预测。

公开(公告)号：CN116631641A

公开(公告)日：2023-08-22

申请号：CN202310898736.4

申请日：2023-07-21

Applicant: 之江实验室

Inventor： 胡丹青 ,  朱晓峰 ,  苏慧

IPC: G16H50/70 ,  G06N3/042 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种集成自适应相似患者图的疾病预测装置，先构建多个平衡的训练子集，然后训练相似患者图构建学习器，自动生成每个训练子集的最佳患者关联关系，再利用图神经网络算法共享关联患者之间的信息生成群体深度隐藏特征，在得到的群体深度隐藏特征上再进行一次患者关联关系和群体深度隐藏特征学习，最后针对新的患者，利用训练好的模型自动将其添加到多个训练子集中并自动生成与其他样本的关联关系和深度隐藏特征，用于疾病预测，可解决现有疾病预测装置处理不平衡数据时性能下降和无法有效共享患者之间信息的问题。

公开(公告)号：CN116564524B

公开(公告)日：2023-10-03

申请号：CN202310791063.2

申请日：2023-06-30

Applicant: 之江实验室

Inventor： 胡丹青 ,  朱晓峰 ,  苏慧

IPC: G16H50/30 ,  G16H50/70 ,  G06F18/243 ,  G06F18/27 ,  G06F18/2415

Abstract: 本发明公开了一种伪标签演变趋势正则的预后预测装置，其执行时：获取包含多名患者的预后数据集，选择出患者发生终点事件或失访的时间最大值并将其划分成多个等间隔的时间段，计算所有患者每个时间段内的预后标签结果，其中利用KM曲线计算患者失访的时间段及其之后各时间段内的伪标签结果；构建预后预测模型，预测患者每个时间段内发生终点事件的概率；构建损失函数，包括各时间段内预测结果和预后标签结果之间的误差，以及根据预后标签结果计算的预后演变趋势正则化项；基于损失函数对预后预测模型进行参数优化；利用优化的预后预测模型进行预后预测。