-
公开(公告)号：CN111916191A
公开(公告)日：2020-11-10
申请号：CN202010711862.0
申请日：2020-07-22
Applicant: 复旦大学
Abstract: 本发明涉及一种基于医疗行为数据的医疗行为操作合规性评估系统，包括：多模态数据融合处理模块：用于对多模态的医疗行为数据进行数据融合处理，获取具有时空表征的医疗行为数据；基于云计算的数据标注模块：用于通过专家法对部分医疗行为数据进行标注，采用云计算的学习方式进行学习、分类和标注，构建数据集；直觉推理医疗行为评估模块：用于对数据集依次进行特征提取与分类、时空特征分析、根据医疗行为先验知识进行直觉推理，获取医疗行为操作合规性评估结果；边缘计算智能终端模块：用于进行数据处理以及人机交互。与现有技术相比，本发明具有实时反应能力快、数据分析全面、评价科学合理等优点。
-
Patent Agency Ranking
公开(公告)号：CN111916192A
公开(公告)日：2020-11-10
申请号：CN202010713382.8
申请日：2020-07-22
Applicant: 复旦大学
IPC: G16H40/20 , G06Q10/10 , G06F40/117 , G06F16/215 , G06K9/62
Abstract: 本发明涉及一种医疗行为多模态数据标注方法和系统，方法包括以下步骤：数据采集步骤：采集医疗行为多模态数据；初始化步骤：进行数据清洗，获取未标注空白数据，并初始化多模态数据自动标注模型；模型训练步骤：基于未标注空白数据构建待标注多模态数据，并载入多模态数据自动标注模型中，获得自动标注数据，对该待检验标注数据进行复核检验，从而对多模态数据自动标注模型进行训练；结果获取步骤：采用训练后的多模态数据自动标注模型对待标注多模态数据进行自动标注。与现有技术相比，本发明将开发过程和标注过程结合起来，同时添加了自动标注模型，不仅减轻了标注人员的工作压力，提高标注效率，还减少了标注错误率，提升标注准确率。
-
公开(公告)号：CN111916192B
公开(公告)日：2023-01-13
申请号：CN202010713382.8
申请日：2020-07-22
Applicant: 复旦大学(CN)
IPC: G16H40/20 , G06Q10/101 , G06F40/117 , G06F16/215 , G06F18/25
Abstract: 本发明涉及一种医疗行为多模态数据标注方法和系统，方法包括以下步骤：数据采集步骤：采集医疗行为多模态数据；初始化步骤：进行数据清洗，获取未标注空白数据，并初始化多模态数据自动标注模型；模型训练步骤：基于未标注空白数据构建待标注多模态数据，并载入多模态数据自动标注模型中，获得自动标注数据，对该待检验标注数据进行复核检验，从而对多模态数据自动标注模型进行训练；结果获取步骤：采用训练后的多模态数据自动标注模型对待标注多模态数据进行自动标注。与现有技术相比，本发明将开发过程和标注过程结合起来，同时添加了自动标注模型，不仅减轻了标注人员的工作压力，提高标注效率，还减少了标注错误率，提升标注准确率。
-
公开(公告)号：CN111916191B
公开(公告)日：2024-07-02
申请号：CN202010711862.0
申请日：2020-07-22
Applicant: 复旦大学
IPC: G16H40/20 , G06Q10/0639 , G06F18/25 , G06F18/214 , G06N5/04 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于医疗行为数据的医疗行为操作合规性评估系统，包括：多模态数据融合处理模块：用于对多模态的医疗行为数据进行数据融合处理，获取具有时空表征的医疗行为数据；基于云计算的数据标注模块：用于通过专家法对部分医疗行为数据进行标注，采用云计算的学习方式进行学习、分类和标注，构建数据集；直觉推理医疗行为评估模块：用于对数据集依次进行特征提取与分类、时空特征分析、根据医疗行为先验知识进行直觉推理，获取医疗行为操作合规性评估结果；边缘计算智能终端模块：用于进行数据处理以及人机交互。与现有技术相比，本发明具有实时反应能力快、数据分析全面、评价科学合理等优点。
-
公开(公告)号：CN111881979B
公开(公告)日：2022-05-13
申请号：CN202010739336.5
申请日：2020-07-28
Applicant: 复旦大学
Abstract: 本发明公开了一种基于患者行为的多模态数据标注装置，包括数据采集设备、标注存储器及处理器，还包括预处理服务器、数据库服务器、AI协作服务器和多图半监督学习算法，该算法由预处理模块、审查模块、管理模块以及AI协作模块四个程序模块组成，旨在利用数据采集设备采集的多模态信息进行信息融合，之后通过融合数据的特征构建成图，然后通过融合图上进行半监督学习，在学习过程中实现患者行为多模态数据的自动标注。本发明克服了训练数据不足和数据冗余较大的问题，实现患者行为多模态数据的自动标注，极大地提高了标注精度。
-
公开(公告)号：CN111881979A
公开(公告)日：2020-11-03
申请号：CN202010739336.5
申请日：2020-07-28
Applicant: 复旦大学
Abstract: 本发明公开了一种基于患者行为的多模态数据标注装置，包括数据采集设备、标注存储器及处理器，还包括预处理服务器、数据库服务器、AI协作服务器和多图半监督学习算法，该算法由预处理模块、审查模块、管理模块以及AI协作模块四个程序模块组成，旨在利用数据采集设备采集的多模态信息进行信息融合，之后通过融合数据的特征构建成图，然后通过融合图上进行半监督学习，在学习过程中实现患者行为多模态数据的自动标注。本发明克服了训练数据不足和数据冗余较大的问题，实现患者行为多模态数据的自动标注，极大地提高了标注精度。
-
-
-
-
-
Search Results
6
records
(took 0.063 seconds)
