公开(公告)号：CN115617992A

公开(公告)日：2023-01-17

申请号：CN202211236358.5

申请日：2022-10-10

Applicant: 安徽讯飞医疗股份有限公司 ,  安徽讯飞医疗股份有限公司武汉分公司

Inventor： 姜磊 ,  胡加学 ,  赵景鹤 ,  贺志阳 ,  鹿晓亮 ,  魏思 ,  胡国平 ,  赵志伟

IPC: G06F16/35 ,  G06F40/30 ,  G06F18/214 ,  G06N3/049 ,  G06N3/08 ,  G10L15/26

Abstract: 本申请公开了一种标签生成方法、装置、计算机可读存储介质及计算机设备，该方法包括：获取目标对象的对话音频数据和预设量表，预设量表中包括每个场景维度下的先验知识，对该对话音频数据进行识别处理，得到每个场景维度、每个场景维度下的对话文本数据和回答文本数据，根据每个场景维度下的对话文本数据、回答文本数据和先验知识，以及对话音频数据中的每个场景维度出现的时序信息，确定目标对象在时序编码维度上的第一分类结果，根据每个场景维度下的对话文本数据、回答文本数据和先验知识，确定目标对象在预设量表维度上的第二分类结果，根据第一分类结果和第二分类结果，生成目标对象的目标分类标签，提高生成目标分类标签的准确性。

公开(公告)号：CN115758114A

公开(公告)日：2023-03-07

申请号：CN202211414093.3

申请日：2022-11-11

Applicant: 安徽讯飞医疗股份有限公司

Inventor： 刘蓬博 ,  王静 ,  胡加学 ,  赵景鹤 ,  贺志阳 ,  鹿晓亮 ,  魏思 ,  胡国平 ,  赵志伟

IPC: G06F18/213 ,  G06F18/24 ,  A61B5/00 ,  A61B5/16 ,  G10L25/63

Abstract: 本发明提供一种基于多模态特征自适应的抑郁定量方法、装置及电子设备，其中方法包括：获取至少两个模态的待识别数据；基于所述待识别数据与低维特征之间的相关性，对所述待识别数据进行降维，并对降维所得的数据进行特征提取，得到所述待识别数据的情绪特征；所述低维特征的维度低于所述待识别数据的特征维度；基于所述至少两个模态的待识别数据的情绪特征，进行抑郁情绪定量分析。本发明提供的方法、装置、电子设备及存储介质，避免了直接针对高维数据进行特征提取导致的显存压力，可以直接基于完整的、未经分割截取的待识别数据进行抑郁情绪定量分析，由此确保抑郁情绪定量分析的可靠性和准确性。

公开(公告)号：CN115206491A

公开(公告)日：2022-10-18

申请号：CN202211032142.7

申请日：2022-08-26

Applicant: 安徽讯飞医疗股份有限公司

Inventor： 胡加学 ,  袁红亮 ,  贺志阳 ,  崔荣涛 ,  鹿晓亮 ,  魏思 ,  胡国平 ,  赵志伟

IPC: G16H20/70 ,  G16H10/60 ,  G06K9/62 ,  A61B5/00

Abstract: 本申请实施例公开了一种睡眠干预设备控制方法、装置、存储介质及计算机设备。该方法包括：获取用户基本信息、用户健康信息、实时采集的预设时间范围内的用户体征信息，根据用户体征信息中的时序体征信息、时序特征信息频域处理后的时频体征信息、统计体征信息，对用户的睡眠分期进行分类处理，得到用户所处的睡眠分期，根据用户基本信息、用户健康信息、用户体征信息和睡眠分期，确定与用户匹配的睡眠干预设备，并控制睡眠干预设备工作，如此，在确定睡眠分期后，进一步根据睡眠分期和其他信息来自动确定与用户匹配的睡眠干预设备，提高睡眠干预设备确定的准确率和效率，并自动控制睡眠干预设备工作，提高睡眠干预设备控制的准确率和效率。

公开(公告)号：CN115295162A

公开(公告)日：2022-11-04

申请号：CN202211029417.1

申请日：2022-08-25

Applicant: 安徽讯飞医疗股份有限公司

Inventor： 胡加学 ,  高丽蓉 ,  徐越 ,  赵景鹤 ,  贺志阳 ,  鹿晓亮 ,  魏思 ,  胡国平 ,  赵志伟

IPC: G16H50/30 ,  G16H10/60 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提出一种健康风险评估方法、装置、电子设备及存储介质，方法包括：获取临床记录对应的临床记录特征；利用预先训练的关键特征提取网络，从临床记录特征提取得到临床记录特征中的关键特征；根据关键特征确定健康风险评估结果。其中，关键特征提取网络的训练是基于第一损失函数对关键特征提取网络的参数进行修正；第一损失函数通过计算样本临床记录特征中样本关键特征的先验分布与样本临床记录特征中样本关键特征的后验分布之间的差异而确定。采用本申请的技术方案，关键特征提取网络在训练过程中并未对样本进行关键特征的标注，实现了无监督的训练，提高了关键特征提取网络的训练效率，以使健康风险评估的效率提高。

公开(公告)号：CN115730566A

公开(公告)日：2023-03-03

申请号：CN202211481858.5

申请日：2022-11-24

Applicant: 安徽讯飞医疗股份有限公司

Inventor： 蔡健宇 ,  肖飞 ,  胡加学 ,  赵景鹤 ,  贺志阳 ,  鹿晓亮 ,  魏思 ,  胡国平 ,  赵志伟

IPC: G06F40/126 ,  G06F40/295 ,  G06F16/35 ,  G16H10/60 ,  G06F18/214

Abstract: 本申请实施例公开了一种医学知识提取方法、装置、存储介质及计算机设备。该方法包括：获取输入的医学文本并进行编码处理，得到医学文本中每个字的编码特征，对于医学文本中任意长度的每个子文本，通过注意力机制和每个子文本的编码特征确定每个子文本的自身特征表示，以提高每个子文本的自身特征表示的准确性，根据每个子文本的自身特征表示，确定每个子文本所属的目标实体，得到医学文本中的子文本所属的目标实体所构成的实体集合后，对于实体集合中的任意两个子文本，根据两个子文本的自身特征表示，通过多视角的上下文注意力机制，确定两个子文本所属的目标实体之间的目标关系，提高实体之间的关系确定的准确性，提高医学知识获取的准确性。