-
公开(公告)号：CN118452821A
公开(公告)日：2024-08-09
申请号：CN202410538216.7
申请日：2024-04-30
Applicant: 复旦大学附属儿科医院 , 复旦大学
IPC: A61B5/00 , A61B5/0205 , G16H50/30 , G06F18/25 , G06V40/16 , G06V10/774 , G06V10/82 , G06V40/20 , G06V20/40 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习的儿童疼痛多模态数据融合评估方法，使用了儿童疼痛的面部表情视频、姿态动作视频、哭泣音频和生理指标四种模态对儿童疼痛进行评估。比较了单模态和多模态儿童疼痛评估性能，与单模态相比，使用多模态儿童疼痛数据捕获了疼痛的动态变化，整体性能得到显著的提升。提出的多模态深度学习方法可以作为人工评估的可行替代方案，为临床、护理点测试和家庭的全自动疼痛检测提供一种可行的方法。
-
公开(公告)号：CN118552771A
公开(公告)日：2024-08-27
申请号：CN202410601951.8
申请日：2024-05-15
Applicant: 复旦大学 , 复旦大学附属儿科医院
IPC: G06V10/764 , G06T7/00 , G06N20/00 , G06V10/774 , G06V10/82 , G06N3/09 , G06N3/045 , G06V10/762 , G06N3/0464
Abstract: 本发明提供了一种基于对比学习和主动学习的肺部病变分类方法，包括：步骤S1，首先对数据进行预处理，胸片影像的预处理包括格式转换(DICOM到JPG)及图像大小裁剪，并去除原始文本报告的无关信息；步骤S2，在预训练阶段，利用医学影像和其对应文本报告的语义对应关系，在公共的胸片影像‑文本报告数据集上进行多模态对比学习，获得医学多模态基础模型，该基础模型获得一定的医学多模态数据的特征提取能力。步骤S3，针对私有数据集的胸片影像数据集，将无标签数据输入肺部病变分类模型，通过主动学习算法主动选择部分样本进行肺部病变标注，形成有标签训练集，使用标注数据进行有监督训练，完成肺部病变分类模型的进一步微调。
-
公开(公告)号：CN102637291B
公开(公告)日：2015-05-20
申请号：CN201210109607.4
申请日：2012-04-16
Applicant: 复旦大学附属中山医院 , 复旦大学
Abstract: 本发明提供了一种手机云加端物联网医学系统，其特征在于，包括：受测客户手机用户端；医学中心云端，其接收来自受测客户手机用户端的数据，将归档的数据打包重新归档于不同的专科医生接诊模块；不同的专科医生接诊模块将数据发给不同的医师手机用户端。本发明的另一个技术方案是提供了一种采用上述系统的分级就诊信息产生方法。本发明使用客户手机用户端、医疗中心云端及医师手机用户端三部分载体，通过基于手机无线通信网络远程互联、Web网页模块在线互动及虚拟云服务器技术的强大在线数据库建立与管理，构建并辅助目前已有的电子健康医疗系统，真正实现物联网医学的即时性、精确性、高效性、稳定性、保真性及安全性。
-
公开(公告)号：CN118551745A
公开(公告)日：2024-08-27
申请号：CN202410601569.7
申请日：2024-05-15
Applicant: 复旦大学 , 复旦大学附属儿科医院
IPC: G06F40/186 , G06Q50/20 , G06F40/284
Abstract: 本发明提出了一种基于知识增强的大型语言模型的选择题库自动生成方法。此方法的高效地结合了专业的医学教材内容与自动化技术，确保生成的医学选择题不仅准确、相关，而且具有教育和评估的实际价值。通过智能化的文本处理和关键词提取，以及专业知识库的利用，该系统显著提高了医学教育材料制备的效率和质量，同时为医学生提供个性化和挑战性强的学习材料。
-
公开(公告)号：CN118551254A
公开(公告)日：2024-08-27
申请号：CN202410601359.8
申请日：2024-05-15
Applicant: 复旦大学 , 复旦大学附属儿科医院
IPC: G06F18/24 , G06F18/25 , G06V10/764 , G06V10/40 , G06V10/774 , G16H50/20 , G06T5/50 , G06N3/0455 , G06N3/084 , G06N3/0499
Abstract: 本发明提供一种基于transformer与图文数据的儿童社区获得性肺炎病原分类方法，包括如下步骤：步骤S1，在儿童CAP患者确诊肺炎后，对所述患者所拍摄的胸部x光片进行至少包括图像质量检测以及前正位/侧位胸片分类的预处理从而得到预处理胸片，对所述患者的临床特征进行至少包括文本质量检测的预处理得到预处理临床特征；步骤S2，将所述的预处理胸片输入至预先训练好的图像特征提取模块得到图像特征，将所述的预处理临床特征输入至预先训练好的文本特征提取模块得到文本特征；步骤S3，对S2得到的文本特征与图像特征进行决策层面的晚期融合从而得到所述患者的所述肺炎病原种类。
-
Patent Agency Ranking
公开(公告)号：CN108764329A
公开(公告)日：2018-11-06
申请号：CN201810510872.0
申请日：2018-05-24
Applicant: 复旦大学附属华山医院北院 , 复旦大学
CPC classification number: G06K9/6256 , G06K9/6267 , G06T7/0012 , G06T2207/20081 , G06T2207/20084 , G06T2207/30061
Abstract: 本发明涉及一种肺癌病理图像数据集的构建方法，包括以下步骤：步骤S1：构建肺组织病理图像的参考标准数据集；步骤S2：构建癌细胞分析模型；步骤S3：构建肺癌病理图像样本数据集。其优点在于，通过人工标注少量原始数据构建肺癌病理图像参考标准数据集，然后对参考标准数据集进行训练以构建基于少量数据集的癌细胞分析模型，使用模型对肺组织病理图像原始数据进行癌细胞的检测识别，生成肺癌病理图像样本数据集；对样本数据集进行人工抽样核查，将核查过的数据加入肺癌病理图像参考标准数据集，然后对数据集和模型进行迭代训练，提高肺癌病理图像样本数据集的准确率；有效提高构建速度，解决构建肺癌病理图像数据集工作量大、工作时间长的问题。
-
公开(公告)号：CN102637291A
公开(公告)日：2012-08-15
申请号：CN201210109607.4
申请日：2012-04-16
Applicant: 复旦大学附属中山医院 , 复旦大学
Abstract: 本发明提供了一种手机云加端物联网医学系统，其特征在于，包括：受测客户手机用户端；医学中心云端，其接收来自受测客户手机用户端的数据，将归档的数据打包重新归档于不同的专科医生接诊模块；不同的专科医生接诊模块将数据发给不同的医师手机用户端。本发明的另一个技术方案是提供了一种采用上述系统的分级就诊信息产生方法。本发明使用客户手机用户端、医疗中心云端及医师手机用户端三部分载体，通过基于手机无线通信网络远程互联、Web网页模块在线互动及虚拟云服务器技术的强大在线数据库建立与管理，构建并辅助目前已有的电子健康医疗系统，真正实现物联网医学的即时性、精确性、高效性、稳定性、保真性及安全性。
-
公开(公告)号：CN118568258A
公开(公告)日：2024-08-30
申请号：CN202410602241.7
申请日：2024-05-15
Applicant: 复旦大学 , 复旦大学附属儿科医院
IPC: G06F16/35 , G06F40/205 , G06N3/045 , G06F40/151 , G06N3/08 , G06N3/084 , G06F18/2415 , G06F40/211
Abstract: 本发明提供一种随机对照试验透明度分析方法，包括如下步骤：步骤S1，根据PMC(PubMed Central)标识号(PMCID)下载随机对照试验的相关文献，确保文献的准确性；步骤S2，对下载的文献进行解析，包括文本内容、表格数据以及流程图等；步骤S3，基于BioBERT模型构建随机对照试验的内容质量模型，将可编辑文本输入模型进行透明度评估；步骤S4：输出透明度评估结果，为研究人员提供关于随机对照试验内容质量的详尽信息。
-
公开(公告)号：CN119227831A
公开(公告)日：2024-12-31
申请号：CN202411111998.2
申请日：2024-08-14
Applicant: 复旦大学
IPC: G06N20/00 , G06F40/205 , G06F40/30 , G06V10/25 , G06V10/774
Abstract: 本发明属于医学影像处理技术领域，具体为解剖学区域引导的医学视觉‑语言预训练系统。本发明系统包括：解剖学区域与报告分句对齐模块、内部表征学习强化模块、外部表征学习强化模块；对齐模块由目标检测器、文本解析器以及二者间的自动化对齐范式构成，通过对比学习赋予模型细粒度对齐能力；内部表征学习强化模块利用图像编码器和图像标签识别解码器，将图像特征与其对应标签相关联，并提供开放疾病类别检测的功能；外部表征学习强化模块利用软标签和硬标签的对比学习，提升不同图像‑报告对之间的关联性。本发明以解剖学区域为中心，同时强化图像‑报告对内部与外部的细粒度语义关联，可显著提升基于当前预训练系统的下游任务准确率。
-
公开(公告)号：CN118942119A
公开(公告)日：2024-11-12
申请号：CN202411042570.7
申请日：2024-07-31
Applicant: 复旦大学
Abstract: 本发明提供了一种基于通道注意力机制的行人检测方法及装置，具有这样的特征，包括以下步骤：步骤S1，对视频序列进行预处理，得到预处理图像；步骤S2，将预处理图像输入行人检测模型，得到行人外观特征向量；步骤S3，对行人外观特征向量进行计算，得到行人检测结果，行人检测模型包括：特征提取模块，用于对预处理图像进行深度特征提取，得到特征图；通道注意力模块，用于通过通道注意力机制对特征图进行处理，得到预测注意力图；目标检测模块，用于对预测注意力图进行上采样和卷积处理，得到行人外观特征向量总之，本方法能够准确识别视频序列中的行人。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.023 seconds)
