-
公开(公告)号：CN113645180A
公开(公告)日：2021-11-12
申请号：CN202110626564.6
申请日：2021-06-04
Applicant: 复旦大学附属肿瘤医院
Inventor： 董枫 , 王奕 , 黄宗浩 , 李渊 , 张晖 , 朱敏俊 , 厉励 , 张逸鲁 , 高宇 , 戴梅 , 黄麒玮 , 蔡云飞 , 曹斌 , 石强 , 王正源 , 王骏杰 , 于镆铘 , 崔敏杰
Abstract: 一种人流统计分析系统及其方法，其中系统包括数据采集系统、数据分析系统和数据展示系统，所述数据采集系统包括采集装置和分析单元，通过所述采集装置获取人流数据和视频图片数据，并通过所述分析单元对人流数据进行分析和告警，告警信息和视频图片数据输送到所述数据分析系统，所述数据分析系统对视频图片数据进行数据存储和识别分析，经识别分析的视频图片数据和告警信息通过防火墙输送到数据展示系统进行可视化展示。该系统可以对人流进行统计和告警，便于院方及时的进行人员分流疏散，此外还可以对人员进行识别分析，实现对被布控对象的检测和追踪，进一步降低医院内的安全隐患。
-
公开(公告)号：CN113539274A
公开(公告)日：2021-10-22
申请号：CN202110662661.0
申请日：2021-06-15
Applicant: 复旦大学附属肿瘤医院
Inventor： 王奕 , 王坚 , 常才 , 黄宗浩 , 李渊 , 张晖 , 朱敏俊 , 厉励 , 张逸鲁 , 高宇 , 戴梅 , 黄麒玮 , 蔡云飞 , 曹斌 , 石强 , 王正源 , 王骏杰 , 于镆铘 , 崔敏杰
Abstract: 本发明是关于一种语音处理方法及装置，其中，方法包括：接收用户输入的语音信息；对所述语音信息进行声纹识别，并根据识别结果确定所述用户的年龄；判断所述用户的年龄所属的目标年龄范围；确定与所述目标年龄范围对应的目标语音处理模型；使用所述目标语音处理模型对所述语音信息进行处理。通过该技术方案，根据用户输入的语音信息确定用户的年龄，进而根据用户的年龄确定对应的目标语音处理模块，从而使用目标语音处理模型对语音信息进行处理，这样，针对不同的年龄段设置不同的语音处理模型，对每个年龄段的语音信息进行有针对性的处理，可以使得处理效果更好，提高语音处理的准确性，提升用户的使用体验。
-
公开(公告)号：CN113270189A
公开(公告)日：2021-08-17
申请号：CN202110546178.6
申请日：2021-05-19
Applicant: 复旦大学附属肿瘤医院
Inventor： 王奕 , 张志远 , 翟洁 , 黄宗浩 , 李渊 , 张晖 , 朱敏俊 , 厉励 , 张逸鲁 , 高宇 , 戴梅 , 黄麒玮 , 蔡云飞 , 曹斌 , 石强 , 王正源 , 王骏杰 , 于镆铘 , 崔敏杰
Abstract: 本发明提出了一种基于强化学习的肿瘤治疗辅助决策方法，所述方法构建并训练患者状态转移模型与治疗决策模型，所述患者状态转移模型通过循环神经网络对肿瘤患者的状态变化进行建模，利用实际诊疗中获取到的诊疗方案与检查指标作为数据来源，模拟肿瘤患者在某种诊疗方案下的状态变化；所述治疗决策模型通过强化学习对治疗肿瘤患者的过程进行建模，利用患者状态转移模型作为数据来源，构建深层Q网络(DQN)作为策略网络，以RECIST实体瘤疗效评价标准与TNM肿瘤影像学分期标准为基础构造激励函数，进行迭代训练。本发明可在一定程度上减轻肿瘤专科医生的工作量，模型所预测的治疗手段可作为决策参考而减少医生的决策失误，辅助医生指定可行的治疗方案。
-
公开(公告)号：CN113313164B
公开(公告)日：2024-08-06
申请号：CN202110585365.5
申请日：2021-05-27
Applicant: 复旦大学附属肿瘤医院
Inventor： 王奕 , 张敬谊 , 丁偕 , 张伯强 , 崔浩阳 , 黄宗浩 , 李渊 , 张晖 , 朱敏俊 , 厉励 , 张逸鲁 , 高宇 , 戴梅 , 黄麒玮 , 蔡云飞 , 曹斌 , 石强 , 王正源 , 王骏杰 , 于镆铘 , 崔敏杰
IPC: G06V10/764 , G06V10/82 , G06N3/09 , G06N3/088 , G06V10/774 , G06N3/0464 , G06T7/00 , G06T7/11 , G16H30/20 , G06V10/762 , G06N3/042
Abstract: 本发明涉及一种基于超像素分割与图卷积的数字病理图像分类方法及系统，所述方法包括以下步骤：S1：使用简单线性迭代聚类算法SLIC对数字病理图像进行超像素分割，获得超像素的分割区域；S2：将每个超像素区域作为图结构中的节点，以超像素区域是否共边作为节点之间分配边的依据，构建基于数字病理图像的图结构；S3：将构建的所述图结构的数据按照预设的比例随机分为训练集、验证集和测试集，通过训练、验证和测试图卷积神经网络，获得最佳的预测模型；S4：基于所述预测模型，对所述数字病理图像进行分类。本发明利用图卷积神经网络实现对数字病理图像的分类预测，提高了病理图像分类的准确率。
-
公开(公告)号：CN118036938A
公开(公告)日：2024-05-14
申请号：CN202410074340.2
申请日：2024-01-18
Applicant: 复旦大学附属肿瘤医院
IPC: G06Q10/0631 , G06N3/084 , G06N3/092
Abstract: 本发明涉及一种基于多智能体强化学习框架的用户资源调度方法、系统及存储介质，方法包括：将目标应用场景形式化，构建资源调度的基本模式；使用基于离散时间序列的状态机思想描述用户工作逻辑，作为调度算法运作的基础；构建强化学习算法框架，为强化学习智能体定义标准化的观测空间；强化学习智能体依据观测指标，在动作空间中做出决策，计算奖励函数；基于表演者‑批评家框架，设计与智能体观测空间相匹配的策略函数和价值函数；完成决策模型训练与部署，进行用户资源调度。本发明可以更智能化地应对复杂的资源调度场景，在优势用户和劣势用户之间合理分配资源，确保资源总利用率基本不变的前提下，大幅提高资源调度的公平性。
-
Patent Agency Ranking
公开(公告)号：CN112419327B
公开(公告)日：2023-08-04
申请号：CN202011438792.2
申请日：2020-12-10
Applicant: 复旦大学附属肿瘤医院
IPC: G06V10/26 , G06N3/0475 , G06N3/094 , G06V10/82
Abstract: 本发明公开一种基于生成对抗网络的图像分割方法、系统和装置，语义分割模型由一个分割网络S和生成对抗模型组成；分割网络S为输入数据x预测每一个像素点的标签概率图S(x)；生成器G根据噪声z生成出标签概率图G(z)；判别器D通过预测一个像素级别的置信图p，将虚假的标签概率图与真实标签概率图y分离。算法通过生成器和判别器之间的博弈来合成具有标注的三维医学图像数据，可解决有标注的医学图像数据匮乏的问题。生成的数据不涉及用户隐私，有利于医疗数据的共享。将SEG‑GAN分割模型通过让判别器来分辨生成器通过医学图像生成的标签和真实的标签，由此得到医学图像的分割，利用无标签的医学图像辅助模型训练，有效提高模型的分割效果。
-
公开(公告)号：CN113362964A
公开(公告)日：2021-09-07
申请号：CN202110616331.8
申请日：2021-06-02
Applicant: 复旦大学附属肿瘤医院
Inventor： 黄宗浩 , 金寿源 , 王奕 , 李渊 , 张晖 , 朱敏俊 , 厉励 , 张逸鲁 , 高宇 , 戴梅 , 黄麒玮 , 蔡云飞 , 曹斌 , 石强 , 王正源 , 王骏杰 , 于镆铘 , 崔敏杰
IPC: G16H70/40 , G06F40/126 , G06F40/247 , G06N3/04
Abstract: 本公开涉及药品数据的处理方法、药品数据的处理系统及计算机可读存储介质，处理方法包括获取原始医学数据，所述原始医学数据包含原始药品信息；解析出所述原始药品信息，得到基本信息；对照药品信息表，判断该名称信息是否与所述药品信息表中的信息匹配，所述药品信息表至少包括标准药品名称、与该标准药品名称对应的同义词和与该标准药品名称对应编码；在匹配结果满足预设条件的情况下，基于所匹配的所述药品信息表中的信息生成目标医学数据。处理装置包括获取单元；解析模块；匹配模块；生成模块。通过本公开的各实施例能够准确能把原始医学数据中所有的药品信息统一进行规范化处理。
-
公开(公告)号：CN113362918A
公开(公告)日：2021-09-07
申请号：CN202110615579.2
申请日：2021-06-02
Applicant: 复旦大学附属肿瘤医院
Inventor： 高宇 , 于剑秋 , 王奕 , 黄宗浩 , 李渊 , 张晖 , 朱敏俊 , 厉励 , 张逸鲁 , 戴梅 , 黄麒玮 , 蔡云飞 , 曹斌 , 石强 , 王正源 , 王骏杰 , 于镆铘 , 崔敏杰
IPC: G16H10/60 , G06F40/279 , G06F40/30 , G06N3/04
Abstract: 本公开涉及医学数据的处理方法、医学数据的处理装置及计算机可读存储介质，处理方法包括获取第一医学数据，所述第一医学数据包含M个原始医学信息，M≥2；基于深度学习训练的分句模型，从M个原始医学信息中解析出N个第一医学信息；根据所述第一医学信息与标准医学信息的匹配结果，得到第二医学数据；解析所述第二医学数据，通过归一化处理得到目标医学数据。处理装置包括获取单元；深度学习训练的分句模型；匹配模块；处理模块。通过本公开的各实施例能够准确地实现医学数据的归一化表达。
-
公开(公告)号：CN112419327A
公开(公告)日：2021-02-26
申请号：CN202011438792.2
申请日：2020-12-10
Applicant: 复旦大学附属肿瘤医院
Abstract: 本发明公开一种基于生成对抗网络的图像分割方法、系统和装置，语义分割模型由一个分割网络S和生成对抗模型组成；分割网络S为输入数据x预测每一个像素点的标签概率图S(x)；生成器G根据噪声z生成出标签概率图G(z)；判别器D通过预测一个像素级别的置信图p，将虚假的标签概率图与真实标签概率图y分离。算法通过生成器和判别器之间的博弈来合成具有标注的三维医学图像数据，可解决有标注的医学图像数据匮乏的问题。生成的数据不涉及用户隐私，有利于医疗数据的共享。将SEG‑GAN分割模型通过让判别器来分辨生成器通过医学图像生成的标签和真实的标签，由此得到医学图像的分割，利用无标签的医学图像辅助模型训练，有效提高模型的分割效果。
-
公开(公告)号：CN113313164A
公开(公告)日：2021-08-27
申请号：CN202110585365.5
申请日：2021-05-27
Applicant: 复旦大学附属肿瘤医院
Inventor： 王奕 , 张敬谊 , 丁偕 , 张伯强 , 崔浩阳 , 黄宗浩 , 李渊 , 张晖 , 朱敏俊 , 厉励 , 张逸鲁 , 高宇 , 戴梅 , 黄麒玮 , 蔡云飞 , 曹斌 , 石强 , 王正源 , 王骏杰 , 于镆铘 , 崔敏杰
Abstract: 本发明涉及一种基于超像素分割与图卷积的数字病理图像分类方法及系统，所述方法包括以下步骤：S1：使用简单线性迭代聚类算法SLIC对数字病理图像进行超像素分割，获得超像素的分割区域；S2：将每个超像素区域作为图结构中的节点，以超像素区域是否共边作为节点之间分配边的依据，构建基于数字病理图像的图结构；S3：将构建的所述图结构的数据按照预设的比例随机分为训练集、验证集和测试集，通过训练、验证和测试图卷积神经网络，获得最佳的预测模型；S4：基于所述预测模型，对所述数字病理图像进行分类。本发明利用图卷积神经网络实现对数字病理图像的分类预测，提高了病理图像分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.042 seconds)
