-
公开(公告)号：CN115798733A
公开(公告)日：2023-03-14
申请号：CN202310024844.9
申请日：2023-01-09
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明公开了一种用于孤儿病的智能辅助推理系统及方法，通过病例文本和查找分析引擎大数据进行孤儿病数据挖掘，为解决当前公共医疗卫生领域的挑战性难题提供新的方法，在领域填补了孤儿病研究中的空白，通过孤儿病数据库提取表型知识，再基于表型知识对孤儿病权威数据库进行优化，优化的孤儿病权威数据库中的各个标准表型术语对应有与其各自对应的孤儿病之间的关联程度的统计信息，将实践数据与孤儿病权威数据库进行整合，实现表型知识的优化，由表型特征相似度量来代替表型特征简单匹配，从而实现更为灵活的孤儿病推荐，通过提供孤儿病表型特征网络，辅助医生深入探索孤儿病之间表型特征关联，并直观地鉴别孤儿病之间的表型特征差异。
-
公开(公告)号：CN114999654A
公开(公告)日：2022-09-02
申请号：CN202210750831.5
申请日：2022-06-28
Applicant: 神州医疗科技股份有限公司
Abstract: 本申请提供了一种基于知识图谱的糖尿病风险预测方法、装置、设备及介质，其中，该方法包括：使用待预测对象的第一病历数据对糖尿病知识图谱进行更新得到目标知识图谱；根据目标知识图谱中待预测年份节点的周围节点的第一节点向量，确定待预测年份节点的第二节点向量；根据第二节点向量和目标节点与待预测年份节点之间的第一关联关系向量得到第一拼接向量；目标节点为患病节点和/或未患病节点；第一关联关系向量是根据待预测年份节点与周围节点之间的第二关联关系向量确定的；将第一拼接向量和目标节点向量输入到糖尿病风险预测模型中输出第一余弦相似度；根据第一余弦相似度确定糖尿病的患病概率。通过该方法提高了糖尿病风险预测的准确性。
-
公开(公告)号：CN115658877A
公开(公告)日：2023-01-31
申请号：CN202211683493.4
申请日：2022-12-27
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/335 , G06F16/36 , G16H20/10 , G16H50/50 , G16H50/70
Abstract: 本公开涉及肝癌免疫药物推荐领域，提供了一种基于强化学习的药物推荐方法、装置、电子设备和介质。包括：采集初始患者数据并进行预处理，得到标准患者数据；基于上述标准患者数据构建知识图谱；基于Trans模型得到上述知识图谱的节点向量和边关系向量；基于强化学习、上述知识图谱和上述知识图谱的节点向量和边关系向量训练智能体；基于上述智能体和上述知识图谱得到推荐药物和上述推荐药物对应的推荐路径。本公开结合强化学习与知识图谱对真实肝癌病人用药信息进行建模，在给出病人推荐药物的同时也可以提供模型推荐药物诊疗路径，为药物推荐提供可解释性。
-
公开(公告)号：CN117373642A
公开(公告)日：2024-01-09
申请号：CN202210768911.3
申请日：2022-07-01
Applicant: 神州医疗科技股份有限公司
Abstract: 本公开的实施例公开了服务于医疗数据交换、分析和应用的数据系统和方法。服务于医疗数据交换、分析和应用的数据系统包括以下部分的一个或多个：医疗数据输入接口、数据代币化估值子系统、数据特征价值评估子系统、数据处理和标记贡献评估子系统、数据质量控制和质量评估子系统、加密和网络安全子系统和货币安全管理监督子系统。该实施方式可以采集医疗数据、对医疗数据进行代币化估值、数据特征价值评估和质量控制，使得采集到的数据的实用性更强，数据系统还提供了数据处理、标记贡献的功能，使得采集到的数据更加规范，数据系统中的加密和网络安全子系统和货币安全管理监督子系统，提高了数据在传输的过程中和数据交换过程中的可靠性和安全性。
-
公开(公告)号：CN114723746A
公开(公告)日：2022-07-08
申请号：CN202210566176.8
申请日：2022-05-24
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06K9/62
Abstract: 本公开提供了一种基于知识蒸馏的病灶区域深度组学特征提取方法及装置，涉及医学图像处理技术领域，该方法包括：获取样本数据集；利用样本训练分类网络，得到病灶区域特征识别模型；将倒数第二层作为特征层，特征层的输出为基础深度特征；将不同的基础深度特征按照关注度进行权重配比得到深度组学特征；构建学生网络；采用所有教师网络训练学生网络；设置损失函数；当损失值达到预设范围时，教师网络对学生网络的训练完成，得到病灶区域深度组学特征提取模型。本公开可针对不同种类的医学影像、不同的疾病类型选取不同的属性进行深度组学特征提取，通过对属性的关注度不同进行权重配置，实现了深度组学特征的自由配置和蒸馏精度的提高。
-
Patent Agency Ranking
公开(公告)号：CN114999654B
公开(公告)日：2024-11-26
申请号：CN202210750831.5
申请日：2022-06-28
Applicant: 神州医疗科技股份有限公司
Abstract: 本申请提供了一种基于知识图谱的糖尿病风险预测方法、装置、设备及介质，其中，该方法包括：使用待预测对象的第一病历数据对糖尿病知识图谱进行更新得到目标知识图谱；根据目标知识图谱中待预测年份节点的周围节点的第一节点向量，确定待预测年份节点的第二节点向量；根据第二节点向量和目标节点与待预测年份节点之间的第一关联关系向量得到第一拼接向量；目标节点为患病节点和/或未患病节点；第一关联关系向量是根据待预测年份节点与周围节点之间的第二关联关系向量确定的；将第一拼接向量和目标节点向量输入到糖尿病风险预测模型中输出第一余弦相似度；根据第一余弦相似度确定糖尿病的患病概率。通过该方法提高了糖尿病风险预测的准确性。
-
公开(公告)号：CN115798722B
公开(公告)日：2023-05-26
申请号：CN202310052229.9
申请日：2023-02-02
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明提供了基于知识图谱的免疫药物人群高低危筛选方法及系统，该方法包括以下步骤：S1：获取病人数据，并对病人数据进行数据预处理，并构建同构图数据以及异构图数据；S2：根据病人数据中的PFS值，对病人节点赋予标签，若PFS值大于PFS中位数，则赋予低危标签；S3：根据异构图数据构建异构图；将异构图节点数据转换为同构图数据，并根据同构图数据构建同构图；S4：将同构图输入到GCN以及GAT模型，异构图输入HAN模型，分别输出节点特征矩阵；S5：将三个节点特征矩阵进行拼接，输入MLP多层神经网络，并输出PFS类别预测。本发明融合了同构图信息以及异构图信息，并分别将其输出的节点表征拼接到一起，经过双层的MLP网络结构，能够准确预测病人的PFS类别。
-
公开(公告)号：CN117059279A
公开(公告)日：2023-11-14
申请号：CN202210482706.0
申请日：2022-05-05
Applicant: 神州医疗科技股份有限公司
Abstract: 本公开的实施例公开了基于虚拟数字人体模型的医疗服务平台、方法和装置。基于虚拟数字人体模型的医疗服务平台包括：数据采集模块、虚拟数字人体模型构建模块和虚拟数字人体模型仿真模块；其中，上述数据采集模块用于采集用于构建虚拟数字人体模型的身份信息、生物特征信息和/或医疗相关信息；上述虚拟数字人体模型构建模块用于基于上述身份信息、上述生物特征信息和/或上述医疗相关信息，构建目标虚拟数字人体模型；上述虚拟数字人体模型仿真模块用于利用构建完成的目标虚拟数字人体模型执行仿真模拟过程。该实施方式为用户了解自身健康情况提供了便利，为医护人员了解病人的身体健康情况和疾病严重程度的预测提供了很大帮助。
-
公开(公告)号：CN115658877B
公开(公告)日：2023-03-21
申请号：CN202211683493.4
申请日：2022-12-27
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/335 , G06F16/36 , G16H20/10 , G16H50/50 , G16H50/70
Abstract: 本公开涉及肝癌免疫药物推荐领域，提供了一种基于强化学习的药物推荐方法、装置、电子设备和介质。包括：采集初始患者数据并进行预处理，得到标准患者数据；基于上述标准患者数据构建知识图谱；基于Trans模型得到上述知识图谱的节点向量和边关系向量；基于强化学习、上述知识图谱和上述知识图谱的节点向量和边关系向量训练智能体；基于上述智能体和上述知识图谱得到推荐药物和上述推荐药物对应的推荐路径。本公开结合强化学习与知识图谱对真实肝癌病人用药信息进行建模，在给出病人推荐药物的同时也可以提供模型推荐药物诊疗路径，为药物推荐提供可解释性。
-
公开(公告)号：CN115798722A
公开(公告)日：2023-03-14
申请号：CN202310052229.9
申请日：2023-02-02
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明提供了基于知识图谱的免疫药物人群高低危筛选方法及系统，该方法包括以下步骤：S1：获取病人数据，并对病人数据进行数据预处理，并构建同构图数据以及异构图数据；S2：根据病人数据中的PFS值，对病人节点赋予标签，若PFS值大于PFS中位数，则赋予低危标签；S3：根据异构图数据构建异构图；将异构图节点数据转换为同构图数据，并根据同构图数据构建同构图；S4：将同构图输入到GCN以及GAT模型，异构图输入HAN模型，分别输出节点特征矩阵；S5：将三个节点特征矩阵进行拼接，输入MLP多层神经网络，并输出PFS类别预测。本发明融合了同构图信息以及异构图信息，并分别将其输出的节点表征拼接到一起，经过双层的MLP网络结构，能够准确预测病人的PFS类别。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.041 seconds)
