-
公开(公告)号：CN112259243A
公开(公告)日：2021-01-22
申请号：CN202010991239.5
申请日：2020-09-20
Applicant: 南昌大学第二附属医院
Abstract: 本发明涉及一种基于双向GRUs的单病种临床路径构建方法及系统，其中方法包括如下步骤：获取待构建的单病种的多源异构的医疗数据，利用机器学习对所述医疗数据进行预处理；根据IP协议报文的数据结构对所述医疗数据进行结构化，得到第一类路径节点集合；通过主题LDA算法对所述第一类路径节点进行分类和特征提取、聚类，得到第二类路径节点集合；将所述第二类路径节点集合作为双向GRUs和胶囊网络的输入，训练所述双向GRUs和胶囊网络得到第三类路径节点。本发明利用了IP协议报文对医疗数据进行结构化，然后利用主题LDA进行特征提取，最后利用双向GRUs和胶囊网络生成临床路径，使得该临床路径具有一致性、时序性、可变性，解释强。
-
公开(公告)号：CN104958277B
公开(公告)日：2019-02-22
申请号：CN201510178388.9
申请日：2015-04-15
Applicant: 南昌大学第二附属医院
Abstract: 本发明涉及生物医药和生物材料领域，具体涉及可控释放血管内皮生长因子的去细胞瓣膜及其制法和应用，其包含巯基化的去细胞瓣膜和连接于所述巯基化的去细胞瓣膜上的可控释放血管内皮生长因子的纳米材料，所述纳米材料采用含有下述组分的原料制成：马来酰亚胺‑聚乙二醇‑聚己内酯，聚己内酯和血管内皮生长因子；所述血管内皮生长因子包括VEGF165。本发明所述去细胞瓣膜将外源性生物信号血管内皮生长因子引入到去细胞瓣支架材料上，可加速去细胞瓣的内皮化，从而改善瓣膜支架材料的相关生物学性能，具有广阔的应用前景。
-
公开(公告)号：CN113808747B
公开(公告)日：2023-12-26
申请号：CN202111180311.7
申请日：2021-10-11
Applicant: 南昌大学第二附属医院
IPC: G16H50/30 , G06V10/762 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种缺血性脑卒中复发预测方法，首先，提取患者多维数据进行融合，将融合后的数据进行Lasso分析，输出关键因子。其次，对数据集中的空缺值进行填充，对未复发且存在住院史的患者、没有住院史的患者缺失量较多的特征以及没有住院史的患者缺失量较少的特征，分别采用三种不同的方式进行填充。然后对数据集中存在的样本不平衡采取样本不平衡处理方式进行处理。同时取患者脑部CT影像数据，采用GCForest多粒度扫描层对影像数据进行卷积学习，通过特征重塑将特征规整为[32,1]大小。将重塑后的特征作为固定特征与结构化特征联合传入至GCForest多粒度扫描层进行特征增强，最后传入至级联森林进行模型训练。本发明为人工智能技术在医疗的应用提供新思路。
-
公开(公告)号：CN113808747A
公开(公告)日：2021-12-17
申请号：CN202111180311.7
申请日：2021-10-11
Applicant: 南昌大学第二附属医院
Abstract: 本发明提供了一种缺血性脑卒中复发预测方法，首先，提取患者多维数据进行融合，将融合后的数据进行Lasso分析，输出关键因子。其次，对数据集中的空缺值进行填充，对未复发且存在住院史的患者、没有住院史的患者缺失量较多的特征以及没有住院史的患者缺失量较少的特征，分别采用三种不同的方式进行填充。然后对数据集中存在的样本不平衡采取样本不平衡处理方式进行处理。同时取患者脑部CT影像数据，采用GCForest多粒度扫描层对影像数据进行卷积学习，通过特征重塑将特征规整为[32,1]大小。将重塑后的特征作为固定特征与结构化特征联合传入至GCForest多粒度扫描层进行特征增强，最后传入至级联森林进行模型训练。本发明为人工智能技术在医疗的应用提供新思路。
-
公开(公告)号：CN118430819B
公开(公告)日：2024-09-24
申请号：CN202410888748.3
申请日：2024-07-04
Applicant: 南昌大学第二附属医院
IPC: G16H50/30 , G06V10/40 , G06V10/80 , G06V10/766 , G06V10/774 , G06T7/10
Abstract: 本发明提供了一种脑卒中预测复发方法及系统，涉及医疗预测领域，具体技术方案为：获取脑卒中多源异构数据，包括：诊疗数据、MRI影像数据、N年内随访数据；提出谱聚类联合XGBoost方法填补患者结构化空缺数据；以UNet为基础架构引入多尺度残差注意力机制，建立脑卒中病灶分割模型，实现脑卒中梗死病灶的自动识别；利用高斯变换方法实现对图像的高维度转换，提取多变种高维度影像组学特征；提出改良的特征筛选方法，实现高维度特征的深度挖掘。以深度森林算法为基础引入XGBoost，与随机森林和极端随机森林共同组成深度森林的级联结构，建立预测复发模型，评估脑卒中患者出院后N年内的复发风险。
-
Patent Agency Ranking
公开(公告)号：CN112365976A
公开(公告)日：2021-02-12
申请号：CN202011273670.2
申请日：2020-11-14
Applicant: 南昌大学第二附属医院
Abstract: 本发明涉及一种基于迁移学习的复合病种临床路径构建方法及系统，其方法包括：获取非临床路径产生的复合病种的多源异构医疗数据；根据ICD分类对其进行结构化，构成第一数据集；按照体征信息、医学分期、诊断信息、治疗评价对第一数据集进行特征提取、聚类，构成第二数据集；从所述第二数据集随机抽取两个病种的数据集，训练时域卷积神经网络对其中一个病种数据集进行学习，通过MMD对所述时域卷积神经网络进行调整用于另一个病种数据集的迁移学习；最后根据输出结果进行融合，得到复合病种临床路径。本发明通过数据集的简化以及与时域卷积神经网络、生成式对抗神经网络的集成，提高了复合病种临床路径构的性能和可解释性，避免了梯度爆炸。
-
公开(公告)号：CN110151271A
公开(公告)日：2019-08-23
申请号：CN201910440802.7
申请日：2019-05-24
Applicant: 南昌大学第二附属医院
Abstract: 一种腹腔穿刺器组件，属于套管针技术领域。该腹腔穿刺器组件包括穿刺套管、与穿刺套管配合的穿刺针及设于穿刺针一端的摄像模组，穿刺针包括手柄及与手柄连接的穿刺针管，手柄还连接有可旋转的调节盖，调节盖通过传动组件与摄像模组连接；调节盖旋转时，传动组件驱动摄像模组向靠近或远离穿刺针管的轴向转动。该腹腔穿刺器组件能够扩大穿刺过程中的监测视野范围，便于操作人员进行操作和调节。
-
公开(公告)号：CN118430819A
公开(公告)日：2024-08-02
申请号：CN202410888748.3
申请日：2024-07-04
Applicant: 南昌大学第二附属医院
IPC: G16H50/30 , G06V10/40 , G06V10/80 , G06V10/766 , G06V10/774 , G06T7/10
Abstract: 本发明提供了一种脑卒中预测复发方法及系统，涉及医疗预测领域，具体技术方案为：获取脑卒中多源异构数据，包括：诊疗数据、MRI影像数据、N年内随访数据；提出谱聚类联合XGBoost方法填补患者结构化空缺数据；以UNet为基础架构引入多尺度残差注意力机制，建立脑卒中病灶分割模型，实现脑卒中梗死病灶的自动识别；利用高斯变换方法实现对图像的高维度转换，提取多变种高维度影像组学特征；提出改良的特征筛选方法，实现高维度特征的深度挖掘。以深度森林算法为基础引入XGBoost，与随机森林和极端随机森林共同组成深度森林的级联结构，建立预测复发模型，评估脑卒中患者出院后N年内的复发风险。
-
公开(公告)号：CN112259243B
公开(公告)日：2024-01-02
申请号：CN202010991239.5
申请日：2020-09-20
Applicant: 南昌大学第二附属医院
IPC: G16H50/70 , G06F18/2135 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于双向GRUs的单病种临床路径构建方法及系统，其中方法包括如下步骤：获取待构建的单病种的多源异构的医疗数据，利用机器学习对所述医疗数据进行预处理；根据IP协议报文的数据结构对所述医疗数据进行结构化，得到第一类路径节点集合；通过主题LDA算法对所述第一类路径节点进行分类和特征提取、聚类，得到第二类路径节点集合；将所述第二类路径节点集合作为双向GRUs和胶囊网络的输入，训练所述双向GRUs和胶囊网络得到第三类路径节点。本发明利用了IP协议报文对医疗数据进行结构化，然后利用主题LDA进行特征提取，最后利用双向GRUs和胶囊网络生成临床路径，使得该临床路径具有一致性、时序性、可变性，解释强。
-
公开(公告)号：CN112365976B
公开(公告)日：2023-08-11
申请号：CN202011273670.2
申请日：2020-11-14
Applicant: 南昌大学第二附属医院
IPC: G16H50/20 , G16H50/70 , G06F18/241 , G06F18/23213 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/096
Abstract: 本发明涉及一种基于迁移学习的复合病种临床路径构建方法及系统，其方法包括：获取非临床路径产生的复合病种的多源异构医疗数据；根据ICD分类对其进行结构化，构成第一数据集；按照体征信息、医学分期、诊断信息、治疗评价对第一数据集进行特征提取、聚类，构成第二数据集；从所述第二数据集随机抽取两个病种的数据集，训练时域卷积神经网络对其中一个病种数据集进行学习，通过MMD对所述时域卷积神经网络进行调整用于另一个病种数据集的迁移学习；最后根据输出结果进行融合，得到复合病种临床路径。本发明通过数据集的简化以及与时域卷积神经网络、生成式对抗神经网络的集成，提高了复合病种临床路径构的性能和可解释性，避免了梯度爆炸。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
