-
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：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。
-
Patent Agency Ranking
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：CN117457194A
公开(公告)日：2024-01-26
申请号：CN202310614470.6
申请日：2023-05-24
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G16H50/30 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/08 , G06F17/15
Abstract: 本申请提供了一种溶栓风险预测系统及其处理方法，用于为急救用户所要开展的溶栓治疗，提供高效且精确的溶栓风险的自动化评估方案，从而有助于在第一时间地展开溶栓治疗，保障溶栓治疗效果。系统包括：第一溶栓风险预测网络，用于根据输入的对应患者的病史数据，预测对应患者的第一溶栓风险；第二溶栓风险预测网络，用于根据输入的对应患者的影像学数据和实验室检查数据，预测对应患者的第二溶栓风险；第三溶栓风险预测网络，用于根据输入的对应患者在当前急诊情况下的卒中量表数据，预测对应患者的第三溶栓风险；溶栓风险评估系统，用于基于第一溶栓风险、第二溶栓风险和第三溶栓风险，对对应患者的溶栓风险进行综合评估，得到目标溶栓风险。
-
公开(公告)号：CN119626530A
公开(公告)日：2025-03-14
申请号：CN202411473091.0
申请日：2024-10-22
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G16H50/30 , A61B5/319 , A61B5/346 , A61B5/00 , G16H50/70 , G16H10/60 , G16H80/00 , G06F18/21 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本申请提供了一种晕厥预测模型的配置方法、装置以及处理设备，用于针对晕厥这一病症，打造了一个晕厥预测模型，如此通过晕厥预测模型可以以平常时间段内的长程心电图数据为输入，对受测的用户是否会发生晕厥以及具体的晕厥类型进行精确的预测，在决策方面为晕厥诊断和治疗提供良好的数据支持，进而有助于实现更佳的诊断和处理。方法包括：获取样本心电图数据；为样本心电图数据配置相应的标注结果，其中，标注结果用于指示样本心电图数据对应用户是否出现晕厥情况，标注结果还用于指示样本心电图数据对应用户出现晕厥情况下的晕厥类型，晕厥类型包括心脏抑制型、血管抑制型和混合型；基于标注好的样本心电图数据，训练晕厥预测模型。
-
公开(公告)号：CN119397343A
公开(公告)日：2025-02-07
申请号：CN202411218649.0
申请日：2024-09-02
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06F18/241 , A61B5/00 , G06F18/214 , G06F18/243
Abstract: 本申请提供了QRS波群异常分类模型的处理方法、装置及处理设备，通过引入了基于4导联或者8导联的QRS波群异常分类机制，如此构建的QRS波群异常分类模型通过实验证明，在8导联格式下对于不同类型的异常QRS波群的检测精度都得到了显著提高，此外由于数据的精简化，尤其是在4导联格式下的精简化，在数据处理时间、数据应用时间和数据存储时间等应用成本的几个方面也得到了明显改善，同时也显著地降低了临床工作方面的人员工作量，因此具有较佳的应用价值。
-
公开(公告)号：CN119366934A
公开(公告)日：2025-01-28
申请号：CN202411519355.1
申请日：2024-10-29
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本发明公开了一种针对阵发性房颤的预测方法、系统、介质及设备，包括：获取心脏患者的动态心电图ECG；对动态心电图ECG进行切割，得到包含R峰的若干ECG片段；将若干ECG片段输入自编码器进行隐藏特征的挖掘，输出若干ECG片段对应的特征参数；将若干ECG片段对应的特征参数输入训练得到的逻辑回归模型进行处理，得到若干ECG片段各自发生阵发性房颤AF的概率；其中，概率限制在0和1之间，0表示未发生阵发性AF，1表示发生阵发性AF，概率越大，表示发生阵发性AF的可能性越大；基于若干ECG片段各自发生阵发性AF的概率，对心脏患者进行发生阵发性AF的预测；其中，自编码器和逻辑回归模型主要采用诊断为阵发性AF的ECG样本进行训练。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.036 seconds)
