-
公开(公告)号：CN120022004A
公开(公告)日：2025-05-23
申请号：CN202510128347.2
申请日：2025-02-05
Applicant: 华中科技大学同济医学院附属同济医院
IPC: A61B5/346 , A61B5/349 , A61B5/00 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/082
Abstract: 本申请提供了一种心电图数据处理模型、装置以及处理设备，用于针对于右心室肥厚/扩大病理状态，在关注到心电图数据包含的时域特征的基础上，还关注到其包含的频域特征，并在深度学习模型的基础上设计了相应的具体模型处理架构，如此可以更为精确地捕捉到右心室肥厚/扩大病理状态在心电图数据中所存在的细节特征、深层次特征，实现精确度得到显著提升的检测效果，以此提供强有力的辅助数据支持，促使高质量的医疗服务。
-
公开(公告)号：CN118888164A
公开(公告)日：2024-11-01
申请号：CN202410868467.1
申请日：2024-07-01
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本申请提供了一种计算机断层扫描肺血管造影检查发起方法以及装置，聚焦于计算机断层扫描肺血管造影检查的发起环节，本申请通过考虑以十二导联心电图信号来判断是否存在肺栓塞情况，并引入深度学习技术配置了相应的置肺栓塞检测模型，而由于十二导联心电图检查成本低廉，且没有伤害性，因此为是否发起计算机断层扫描肺血管造影检查提供精确的判断依据，既可以避免医疗资源的浪费，也有助于保障患者的治疗安全。并且，本申请还考虑以可以便捷获得的电子健康记录数据，来更为精确地预测在存在肺栓塞情况下施加溶栓治疗的溶栓风险情况，并针对两个方面的模型预测目标在细节层面继续配置了一系列的优化设置方案，以此进一步加强模型的预测效果。
-
公开(公告)号：CN115736940A
公开(公告)日：2023-03-07
申请号：CN202211489751.5
申请日：2022-11-25
Applicant: 华中科技大学同济医学院附属同济医院
IPC: A61B5/318 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/084
Abstract: 本申请提供了一种十二导联心电图机的处理方法、装置以及设备，用于从十二导联心电图机的数据处理出发，降低其数据存储需求，从而有效降低其涉及的维护成本。本申请提供的十二导联心电图机的处理方法，包括：获取用户的十二导联心电图数据，其中，十二导联心电图数据为用户在过去时间段采集的数据；将十二导联心电图数据输入预先配置的卷积神经网络模型，以使得卷积神经网络模型基于十二导联心电图数据确定待忽略导联通道，其中，卷积神经网络模型是由标注有对应忽略的导联通道的十二导联心电图样本数据训练得到的；基于待忽略导联通道，针对所述用户重构自身的导联通道。
-
公开(公告)号：CN119742058A
公开(公告)日：2025-04-01
申请号：CN202411574308.7
申请日：2024-11-06
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G16H50/30 , G16H50/70 , G06F18/2113 , G06F18/27 , G06F18/2431 , G06F18/2413 , G06F18/2411 , G06N5/01 , G06N20/20
Abstract: 本申请提供了一种心梗患者溶栓风险预测方法、装置以及处理设备，用于从溶栓前后两个阶段开始，打造了一套完善的心梗患者溶栓风险预测模型的处理方案，并继续从其他的细节方面进行优化，如此对于心梗患者的溶栓风险可以实现高效且高精度的预测目标，在医院应用场景下为心梗患者的临床工作提供精确可靠的数据参考，进而可以为心梗患者提供更佳的医疗质量和安全保障。
-
公开(公告)号：CN119647475A
公开(公告)日：2025-03-18
申请号：CN202411737725.9
申请日：2024-11-29
Applicant: 华中科技大学
IPC: G06F40/295 , G06F40/216 , G06F40/30 , G06F16/334 , G06F16/35 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082 , G16H50/70
Abstract: 本发明公开了针对冠心病患者主诉数据的命名实体识别方法、系统及介质，属于医疗信息处理领域，方法包括：根据预设命名实体识别规则，将冠心病患者主诉数据集中与冠心病相关的信息映射到对应的命名实体类别，生成命名实体标签集，生成命名实体标签集对应的临床分类集；以冠心病患者主诉数据集为输入、命名实体标签集为标签，训练冠心病分类神经网络模型；以命名实体标签集为输入、临床分类集为输出，训练主诉命名实体分类网络；将待识别的冠心病患者主诉数据输入训练后的冠心病分类神经网络模型，主诉命名实体分类网络输出相应的临床分类数据。本方法能够有效地从冠心病患者主诉中提取有价值的医疗信息，为临床决策和研究提供支持。
-
Patent Agency Ranking
公开(公告)号：CN118888119A
公开(公告)日：2024-11-01
申请号：CN202410792942.1
申请日：2024-06-19
Applicant: 华中科技大学
IPC: G16H50/20 , G16H50/70 , G06F18/10 , G06F18/211
Abstract: 本发明公开了一种基于软路径成本累积的冠心病早期筛查特征选择方法，属于医疗数据处理技术领域，方法包括：S1，以软路径成本累积函数最大为目标，从候选特征集中筛选一待选冠心病早期特征加入已选特征集，并将筛选出的待选冠心病早期特征从候选特征集中移除；S2，计算当前的已选特征集对全部数据集的信息增益比与加入前的已选特征集对全部数据集的信息增益比之间的差值，作为停止评分函数；S3，重复执行S1‑S2，直至连续k次得到的停止评分函数小于0，k为设定超参数阈值，或者候选特征集为空；S4，将最大停止评分函数对应的当前的已选特征集作为最佳冠心病早期特征集。该方法可提升冠心病早期筛查预测模型的准确性和效率。
-
公开(公告)号：CN113081025B
公开(公告)日：2022-04-29
申请号：CN202110260028.9
申请日：2021-03-10
Abstract: 本发明公开了一种基于肺音的新冠肺炎智能诊断系统和装置，属于生物医学信号处理技术领域。本发明首次提出基于肺音数据进行新冠肺炎智能诊断，由于肺音数据是通过听诊器式声学传感器，因此不具有放射性，费用低、无创性，操作简单，舒适性高，适用于基层医院及社区卫生中心；本发明采用两级神经网络进行新冠肺炎智能诊断，第一级神经网络用于分类正常和异常，第二级神经网络用于仅在一级分类结果为异常时启动，并将异常分类为不同临床分型结果，由于绝大部分人为非新冠患者，即非新冠患者远多于新冠患者，所以第二级神经网络只在较少的情况开启，因此，在相同的检测群体条件下，本发明相比于单级神经网络进行一次多分类，具有更高的群体检测效率。
-
公开(公告)号：CN119993451A
公开(公告)日：2025-05-13
申请号：CN202411885316.3
申请日：2024-12-20
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本申请提供了肺栓塞溶栓风险预测模型的配置方法、装置以及处理设备，用于在深度学习的基础上，提供了一个具体的肺栓塞溶栓风险预测模型配置方案，如此配置得到的肺栓塞溶栓风险预测模型对于血流动力学稳定的肺栓塞患者具有高度的针对性、适配性，相较于通用模型配置逻辑，可以精确地实现对于血流动力学稳定的肺栓塞患者的溶栓风险的预测，为临床决策提供高质量的数据辅助服务，进而促使降低治疗风险，获得高质量的医疗服务。
-
公开(公告)号：CN118262910A
公开(公告)日：2024-06-28
申请号：CN202410226690.6
申请日：2024-02-29
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本申请提供了一种溶栓风险动态评估模型的处理方法、装置及处理设备，用于在基于机器学习模型来配置溶栓风险动态评估模型的过程中，通过本申请所引入的指标调整机制，可以明确获得对于溶栓风险动态评估处理具有高度适配性或者说可以做出显著贡献的目标特征，完成高精度且便捷使用的溶栓风险动态评估模型的配置。方法包括：获取采用了溶栓治疗的样本数据；根据初选的多个预设指标，从样本数据中提取对应的参数数据，得到初始指标集；对初始指标集进行数据预处理，得到规范化指标集；通过规范化指标集训练初始模型，以得到溶栓风险动态评估模型，并在训练过程中，调整采用的预设指标，以筛选得到在预设评估指标下取得最优评估效果的多个目标指标。
-
公开(公告)号：CN115281688A
公开(公告)日：2022-11-04
申请号：CN202210792806.3
申请日：2022-07-05
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多模态深度学习的心房心室肥大多标签检测系统，属于心电图上的心脏肥大检测领域。采用自适应小波阈值去噪、基于形态学特征的心拍分割、深度神经网络、多模态特征融合等方法，当下热门的计算机视觉技术迁移到心电信号分类上，通过将心电信号的时域特征、形态特征和病人个体信息融合，对四种心脏肥大和正常同时进行分类，搭建出一个基于多模态深度学习的多标签检测框架，从而解决了心电信号在心脏肥大检测上的准确率差和泛化能力差的问题，实现了基于心电图的心脏肥大准确监测，可用于临床诊断。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.023 seconds)
