-
Patent Agency Ranking
公开(公告)号：CN118427776B
公开(公告)日：2025-02-11
申请号：CN202410638315.2
申请日：2024-05-22
Applicant: 海南大学
Abstract: 本发明涉及数据处理技术领域，尤其涉及一种智能医疗多模态融合方法及系统，该方法包括以下步骤：S10，根据每个患者的医疗图像和电子病历文本，分别获得该患者对应的图像特征、文本特征和诊断关键词编码，并将图像特征和文本特征融合得到图像文本特征；S20，将一个患者对应的所述图像文本特征作为一个节点的特征，所述诊断关键词编码作为节点之间的连边的特征，以此来构建图卷积网络模型；S30，针对于所述图卷积网络模型中的每个节点，将自身的图像文本特征与邻居节点的图像文本特征进行融合。通过本发明方法可以利用多模态信息之间的关联性，使得融合后的特征表示更加准确，继而为更准确地得出疾病分类提供技术支持。
-
公开(公告)号：CN118468340B
公开(公告)日：2025-04-22
申请号：CN202410699063.4
申请日：2024-05-31
Applicant: 海南大学
IPC: G06F21/62 , G06F16/176 , G06F21/64 , G06N20/00
Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于异构联邦学习的远程医疗隐私数据安全共享方法，包括以下步骤：S10，第一终端基于本地医疗隐私数据训练获得本地模型更新，并基于加密算法对所述本地模型更新进行签名，签名后发送给第二终端；S20，所述第二终端对所述签名进行验证，并在验证通过后将各个本地模型更新进行聚合，得到全局模型，并将所述全局模型分解成若干个局部模型，一个局部模型对应于一个本地模型，局部模型对应广播给各个第一终端，以便于第一终端接收到所述局部模型后基于本地医疗隐私数据训练获得所述本地模型更新；循环执行S10‑S20，直至所述全局模型收敛。本发明在联邦学习的基础上，通过对本地模型更新签名后再传输，进一步加强了数据安全性。
-
公开(公告)号：CN118468340A
公开(公告)日：2024-08-09
申请号：CN202410699063.4
申请日：2024-05-31
Applicant: 海南大学
IPC: G06F21/62 , G06F16/176 , G06F21/64 , G06N20/00
Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于异构联邦学习的远程医疗隐私数据安全共享方法，包括以下步骤：S10，第一终端基于本地医疗隐私数据训练获得本地模型更新，并基于加密算法对所述本地模型更新进行签名，签名后发送给第二终端；S20，所述第二终端对所述签名进行验证，并在验证通过后将各个本地模型更新进行聚合，得到全局模型，并将所述全局模型分解成若干个局部模型，一个局部模型对应于一个本地模型，局部模型对应广播给各个第一终端，以便于第一终端接收到所述局部模型后基于本地医疗隐私数据训练获得所述本地模型更新；循环执行S10‑S20，直至所述全局模型收敛。本发明在联邦学习的基础上，通过对本地模型更新签名后再传输，进一步加强了数据安全性。
-
公开(公告)号：CN118921158A
公开(公告)日：2024-11-08
申请号：CN202410827067.6
申请日：2024-06-25
Applicant: 海南大学
Abstract: 本发明涉及数据处理技术领域，尤其涉及一种适用于多种类区块链代币高效跨链传输的方法，包括以下步骤：S10，确定待交易的代币的代币类型，并基于确定的代币类型选择执行代币交易的跨链网关和验证机制，所述代币类型包括同质化代币和非同质化代币；所述跨链网关包括第一跨链网关和第二跨链网关，所述第一跨链网关用于处理同质化代币交易，所述第二跨链网关用于处理非同质化代币交易；S20，被选择的跨链网关基于对应的验证机制执行跨链交易。本发明通过部署不同标准的跨链网关可以实现多种类型代币交易，并通过不同验证机制保障交易安全。
-
公开(公告)号：CN118427776A
公开(公告)日：2024-08-02
申请号：CN202410638315.2
申请日：2024-05-22
Applicant: 海南大学
Abstract: 本发明涉及数据处理技术领域，尤其涉及一种智能医疗多模态融合方法及系统，该方法包括以下步骤：S10，根据每个患者的医疗图像和电子病历文本，分别获得该患者对应的图像特征、文本特征和诊断关键词编码，并将图像特征和文本特征融合得到图像文本特征；S20，将一个患者对应的所述图像文本特征作为一个节点的特征，所述诊断关键词编码作为节点之间的连边的特征，以此来构建图卷积网络模型；S30，针对于所述图卷积网络模型中的每个节点，将自身的图像文本特征与邻居节点的图像文本特征进行融合。通过本发明方法可以利用多模态信息之间的关联性，使得融合后的特征表示更加准确，继而为更准确地得出疾病分类提供技术支持。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
