-
公开(公告)号：CN118538400A
公开(公告)日：2024-08-23
申请号：CN202410986433.2
申请日：2024-07-23
Applicant: 南通大学
IPC: G16H50/20 , G16H50/30 , G16H50/70 , G06F18/2411 , G06F18/2431 , G06F18/27 , G06F16/35 , G06F16/36 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/096 , G06N3/006
Abstract: 本发明公开了大数据分析技术领域的一种基于大数据的儿科疾病预测系统，所述系统包括异常检测模块、疾病状态评估模块、图数据分析模块、智能优化模块、在线学习更新模块、群体行为分析模块、生物力学预测模块、辅助建议生成模块。本发明中，通过变分自编码器和生成对抗网络，提升儿科疾病数据中健康与异常模式判别能力，支持向量机与决策树结合，提高疾病严重度评估和治疗优先级制定准确性，Neo4j图数据库和图卷积网络揭示疾病关联，随机森林、粒子群和蚁群优化算法提升预测性能，在线序列极限学习机和深度迁移网络实现持续学习，适应新数据，多体动力学和组织力学模拟技术精确儿童生长发育模拟，助力疾病风险早期识别。
-
公开(公告)号：CN118538400B
公开(公告)日：2024-10-01
申请号：CN202410986433.2
申请日：2024-07-23
Applicant: 南通大学
IPC: G16H50/20 , G16H50/30 , G16H50/70 , G06F18/2411 , G06F18/2431 , G06F18/27 , G06F16/35 , G06F16/36 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/096 , G06N3/006
Abstract: 本发明公开了大数据分析技术领域的一种基于大数据的儿科疾病预测系统，所述系统包括异常检测模块、疾病状态评估模块、图数据分析模块、智能优化模块、在线学习更新模块、群体行为分析模块、生物力学预测模块、辅助建议生成模块。本发明中，通过变分自编码器和生成对抗网络，提升儿科疾病数据中健康与异常模式判别能力，支持向量机与决策树结合，提高疾病严重度评估和治疗优先级制定准确性，Neo4j图数据库和图卷积网络揭示疾病关联，随机森林、粒子群和蚁群优化算法提升预测性能，在线序列极限学习机和深度迁移网络实现持续学习，适应新数据，多体动力学和组织力学模拟技术精确儿童生长发育模拟，助力疾病风险早期识别。
-
公开(公告)号：CN118538399B
公开(公告)日：2024-10-01
申请号：CN202410977896.2
申请日：2024-07-22
Applicant: 南通大学
IPC: G16H50/20 , G16H10/60 , G16H50/70 , G06N3/0442 , G06N5/04 , G06N5/022 , G06F18/241 , G06F18/23213
Abstract: 本发明涉及医疗数据处理技术领域，具体为一种智能儿科疾病诊断辅助系统，系统包括健康记录融合模块、症状模式分析模块、趋势预测与因果分析模块、儿科疾病知识图谱模块、疾病智能分类模块、医疗数据深度挖掘模块、智能标签生成模块、分诊智能推荐模块。本发明中，通过结合数据融合算法和图像处理技术，对儿童患者的健康记录和医疗影像进行分析，聚类分析和模式识别算法使症状数据分类更细致，揭示复杂症状模式，长短期记忆网络与因果推理方法相结合，提升症状趋势预测的准确性，并分析病情，图注意力网络构建的儿科疾病知识图谱丰富结构化医学知识的表达，优化知识利用，非监督学习技术在深度挖掘医疗数据时发现疾病发展的隐含模式。
-
公开(公告)号：CN118538399A
公开(公告)日：2024-08-23
申请号：CN202410977896.2
申请日：2024-07-22
Applicant: 南通大学
IPC: G16H50/20 , G16H10/60 , G16H50/70 , G06N3/0442 , G06N5/04 , G06N5/022 , G06F18/241 , G06F18/23213
Abstract: 本发明涉及医疗数据处理技术领域，具体为一种智能儿科疾病诊断辅助系统，系统包括健康记录融合模块、症状模式分析模块、趋势预测与因果分析模块、儿科疾病知识图谱模块、疾病智能分类模块、医疗数据深度挖掘模块、智能标签生成模块、分诊智能推荐模块。本发明中，通过结合数据融合算法和图像处理技术，对儿童患者的健康记录和医疗影像进行分析，聚类分析和模式识别算法使症状数据分类更细致，揭示复杂症状模式，长短期记忆网络与因果推理方法相结合，提升症状趋势预测的准确性，并分析病情，图注意力网络构建的儿科疾病知识图谱丰富结构化医学知识的表达，优化知识利用，非监督学习技术在深度挖掘医疗数据时发现疾病发展的隐含模式。
-
-
-
Search Results
4
records
(took 0.02 seconds)
