-
公开(公告)号：CN119564180A
公开(公告)日：2025-03-07
申请号：CN202510144760.8
申请日：2025-02-10
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 山西医科大学第一医院
Abstract: 本发明提供了一种基于机器学习的HRV短时测量方法，属于机器学习技术领域，包括：根据目标用户的健康评估场景，从场景‑函数数据库中匹配时间窗口函数，并采集目标用户的心电信号，同时，在启动时间窗口函数后捕捉目标用户基于每个采集时刻的用户行为图像；获取基于当前时刻之前的所有采集时刻下的采集信号，并分析采集信号的信号稳定性与信号代表性；且基于当前时刻之前的每个采集时刻下的用户行为图像，对时间窗口函数进行动态调整直到采集完成，得到初始HRV信号并进行实时评估与调整，得到最终HRV信号，并输出。使得较短时间段内采集到的心率变异性数据也能够替代5分钟的标准测量，并保持较高的评估准确性和一致性。
-
公开(公告)号：CN119564180B
公开(公告)日：2025-04-15
申请号：CN202510144760.8
申请日：2025-02-10
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 山西医科大学第一医院
Abstract: 本发明提供了一种基于机器学习的HRV短时测量方法，属于机器学习技术领域，包括：根据目标用户的健康评估场景，从场景‑函数数据库中匹配时间窗口函数，并采集目标用户的心电信号，同时，在启动时间窗口函数后捕捉目标用户基于每个采集时刻的用户行为图像；获取基于当前时刻之前的所有采集时刻下的采集信号，并分析采集信号的信号稳定性与信号代表性；且基于当前时刻之前的每个采集时刻下的用户行为图像，对时间窗口函数进行动态调整直到采集完成，得到初始HRV信号并进行实时评估与调整，得到最终HRV信号，并输出。使得较短时间段内采集到的心率变异性数据也能够替代5分钟的标准测量，并保持较高的评估准确性和一致性。
-
公开(公告)号：CN119950717A
公开(公告)日：2025-05-09
申请号：CN202311484751.0
申请日：2023-11-09
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供了β受体(β‑AR)与SARS‑CoV‑2Spike蛋白的结合位点作为治疗靶点在制备治疗COVID‑19患者的心血管疾病的药物中的应用。本发明发现Spike蛋白通过RBD区域与β1‑AR‑ECL2靶向结合，但不同于经典β‑AR激动剂结合方式，发挥β‑AR病理性配体的作用，导致心脏炎症、纤维化和心功能障碍。因此，可以使用β受体阻滞剂或针对β‑AR与Spike蛋白特异性结合的靶向治疗能减轻COVID‑19患者心脏炎症反应和纤维化，改善舒张功能和心脏重塑，成为有潜力的治疗靶点。
-
公开(公告)号：CN119227784B
公开(公告)日：2025-03-18
申请号：CN202411733201.2
申请日：2024-11-29
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: G06N5/01 , G06N5/04 , G06N5/022 , G06F18/213
Abstract: 本发明提供了一种基于大语言模型的决策树生成方法及相关设备，应用于数据处理技术领域。本申请获取训练样本集、目标医学文档信息和目标医院信息；对目标医院信息进行处理，生成目标医院的属性信息；对训练样本集进行预处理，生成带有目标特征数据的训练样本集，其中，目标特征数据用于表征临床指南文档信息处理的节点信息和决策路径信息；获取与目标特征数据相匹配的预设大语言模型，其中，预设大语言模型为基于预设时间段内所接收到的目标医院信息所设置的；基于带有目标特征数据的训练数据集对预设大语言模型进行训练，生成目标大语言模型；基于目标大语言模型对目标医学文档信息和目标医院的属性信息进行处理，生成决策树信息。
-
公开(公告)号：CN119423779A
公开(公告)日：2025-02-14
申请号：CN202510033094.0
申请日：2025-01-09
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供了一种基于机器学习的心梗辅助预测方法，属于机器学习技术领域，基于心电记录分析系统采集每个目标患者在不同体位下的Ⅱ导联心电图，并对Ⅱ导联心电图进行预处理得到当下心电图；对所有目标患者的所有当下心电图进行体位分类，并提取每个体位分类下的HRV特征，构建得到体位‑特征条目；将所有体位‑特征条目划分为训练集以及预测集，并基于训练集对机器学习模型进行学习以及基于预测集对学习后的机器学习模型进行模型优化，得到预测模型；采集新患者的Ⅱ导联心电图，并输入到预测模型中进行心梗辅助预测及输出。利用机器学习方法建立心梗患者的预测模型，提升针对心梗的辅助预测能力。
-
Patent Agency Ranking
公开(公告)号：CN118797560B
公开(公告)日：2024-12-03
申请号：CN202411275729.X
申请日：2024-09-12
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: G06F18/25 , G06F18/214 , G06F18/21 , G06F18/22 , G06F17/18
Abstract: 本发明提供了一种基于脑机接口的生成电刺激信号的方法及相关设备，应用于数据处理技术领域。本申请获取目标用户的生理数据、目标用户的医疗用途信息、目标用户的历史生理参数信息和目标用户的实时体感信息；对目标用户的生理数据进行预处理，生成目标用户的多模态数据；基于目标用户的医疗用途信息和目标用户的历史生理参数信息对目标用户的多模态数据进行特征提取，生成生理特征风险影响因子；对生理特征风险影响因子进行融合处理，生成目标多模态数据；对目标多模态数据和目标用户的实时体感信息进行处理，生成目标用户的自主神经活动信号数据；基于目标神经调节预警模型对目标用户的自主神经活动信号数据进行处理，生成电刺激信号。
-
公开(公告)号：CN118711806A
公开(公告)日：2024-09-27
申请号：CN202411203950.4
申请日：2024-08-30
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京豪思生物科技股份有限公司
Abstract: 本公开涉及一种冠心病预测模型的生成方法、装置、电子设备及存储介质，该方法包括：获取第一数据集，其中，第一数据集包括多个受试者的临床数据和各受试者的冠心病诊断结果；根据第一数据集，确定影响冠心病预测风险的关键数据，关键数据包括神经酰胺；根据各受试者的影响冠心病预测风险的关键数据和各受试者的冠心病诊断结果，生成第二数据集；将第二数据集输入回归模型，得到各关键数据在冠心病预测风险中的权重值；根据各权重值，为各关键数据生成在冠心病预测风险中的评分值；确定总评分值和冠心病患病概率的对应关系；根据各关键数据在冠心病预测风险中的评分值、总评分值和冠心病患病概率的对应关系，生成第一冠心病预测模型。
-
公开(公告)号：CN117954067B
公开(公告)日：2024-07-30
申请号：CN202410348527.7
申请日：2024-03-26
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种基于多模态大语言模型的就诊分诊系统，该系统包括数据预处理模块、数据分析模块、优化模块和用户交互模块，数据预处理模块利用自然语言处理技术来自动解读和整理病历记录和患者描述，并将自动解读和整理得到的就诊患者的数据传输给所述的数据分析模块；数据分析模块用于采用多模态大语言模型处理和分析就诊患者的数据，并从中提取有用信息以做出快速而准确的分诊决策；优化模块用于通过持续学习和适应新的医疗情况和数据，不断优化分诊算法，通过不断地从新的医疗案例中学习，以提升分诊的准确性和适应新挑战的能力；用户交互模块用于通过用户界面将分诊决策的结果反馈给医生，医生通过用户交互模块能够操作所述的分诊系统。
-
公开(公告)号：CN117951746B
公开(公告)日：2024-07-12
申请号：CN202410348491.2
申请日：2024-03-26
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种用于多模态大语言模型的医疗数据加密系统，该系统包括客户端、数据处理模块、数据加密模块、存储模块、访问控制模块、解密模块和外部系统接口；客户端用于输入和获取多模态医疗数据；数据处理模块负责接收多模态医疗数据，对不同类型的数据进行处理和解析；数据加密模块用于对数据处理模块处理后的数据进行加密，保护医疗数据的隐私和安全；存储模块用于存储加密后的医疗数据；访问控制模块用于管理对加密数据的访问权限，确保只有经过授权的用户才能解密和访问数据；解密模块用于对授权的用户进行数据解密，使授权的用户能够获取到原始的多模态医疗数据；外部系统接口用于与医疗数据加密系统以外的医疗信息系统进行交互和集成。
-
公开(公告)号：CN118070976A
公开(公告)日：2024-05-24
申请号：CN202410350419.3
申请日：2024-03-26
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: G06Q10/04 , G16H80/00 , G06F18/25 , G06N3/0895 , G06N3/094 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06Q50/26
Abstract: 本发明涉及一种基于大语言模型的医疗紧急事件预测和响应系统，该系统包括用户界面、大语言模型、自然语言处理模块、数据存储和管理模块、数据预处理和特征提取模块、事件监测和检测模块和事件预测模型；用户界面用于供用户通过自然语言进行交互，输入多模态数据；大语言模型用于整合输入的多模态数据，捕捉医疗数据中的语义关系，帮助建立更准确的患者状况模型；自然语言处理模块用于将多源数据转化为自然语言并存入数据存储和管理模块；数据预处理和特征提取模块用于对多源数据进行数据预处理，提取文本数据特征、图像数据特征和语音数据特征；事件监测和检测模块用于识别患者的风险因素和疾病趋势；事件预测模型用于实现对医疗紧急事件的预测。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.061 seconds)
