公开(公告)号：CN117612711B

公开(公告)日：2024-05-03

申请号：CN202410087069.6

申请日：2024-01-22

Applicant: 神州医疗科技股份有限公司

Inventor： 马鹏程 ,  聂瑞 ,  许娟 ,  高剑伟 ,  王剑仲 ,  刘燕波 ,  费鸿高 ,  梁大柱 ,  张佳乐 ,  王瑞国 ,  史文钊

IPC: G16H50/20 ,  G06F18/213 ,  G06F18/25 ,  G06F18/24

Abstract: 本发明公开了一种分析肝癌复发数据的多模态预测模型构建方法及系统，通过将临床文本、影像、病理多个模态数据进行整合，基于多种模态数据和多种融合策略构建了分析肝癌复发数据的多模态预测模型，相比单模态建模，多模态建模能提高模型预测的准确性，弥补单一数据的局限性，本方案对各个模态的特征进行单独调优，全面反映肝癌复发数据的复杂机制，对于肝癌复发数据的分析更为完备，还能增强模型的泛化能力，更好地适用于医学应用场景，辅助临床决策。

公开(公告)号：CN117174319B

公开(公告)日：2024-03-01

申请号：CN202311452738.7

申请日：2023-11-03

Applicant: 神州医疗科技股份有限公司

Inventor： 王瑞国 ,  许娟 ,  张佳乐 ,  梁大柱 ,  聂瑞 ,  费鸿高 ,  高剑伟 ,  吴玉杰 ,  史文钊

IPC: G16H50/30 ,  G06N5/022 ,  G06N3/0464

Abstract: 本发明涉及一种基于知识图谱的脓毒症时序预测方法及系统；该方法包括：获取脓毒症患者的时序诊次信息，形成诊次数据集；基于CCS或ICD编码技术，构建医学本体图谱；基于医学本体图谱，构建目标脓毒症患者的诊次图谱；基于诊次图谱，生成诊次邻接矩阵和诊次特征矩阵；将诊次邻接矩阵和诊次特征矩阵分别输入至ST‑GCN网络模型中，得到目标脓毒症患者诊次T的诊断预测结果。本发明通过将脓毒症患者患者的时序诊次信息和医学知识图谱相结合，实现全流程端到端预测，不仅有利于模型提取出患者更准确的表征，提升模型预测的准确性，还能够对大量减少医生的工作量，节省医疗资源。

公开(公告)号：CN117290686A

公开(公告)日：2023-12-26

申请号：CN202311560971.7

申请日：2023-11-22

Applicant: 神州医疗科技股份有限公司

Inventor： 聂瑞 ,  许娟 ,  梁大柱 ,  张佳乐 ,  王瑞国 ,  费鸿高 ,  高剑伟 ,  吴玉杰 ,  刘燕波 ,  王剑仲 ,  史文钊

IPC: G06F18/20 ,  G16H50/20 ,  G06F18/10 ,  G06F18/2113 ,  G06F18/2411 ,  G06F18/2413 ,  G06F18/243 ,  A61B5/11 ,  A61B5/00

Abstract: 本发明涉及一种预测患者跌倒风险的模型的构建方法，该构建方法包括：数据的采集、数据的预处理以及模型构建等步骤。本发明针对平衡能力数据以及步态能力数据，通过筛选出与平衡能力数据相关性较高的第一风险特征以及与步态能力数据相关性较高的第二风险特征，采用8种二分类的机器学习模型针对平衡能力和步态能力分别进行模型构建，并分别计算7种模型评价指标，分别选取AUROC最高的预测患者跌倒风险的模型作为最终模型，该模型能够实现对患者步态和平衡能力的快速预测，模型效果较好，且得到的评估结果更加能体现真实的平衡能力与步态能力，提高了患者跌倒风险预测结果的准确度。

公开(公告)号：CN117612711A

公开(公告)日：2024-02-27

申请号：CN202410087069.6

申请日：2024-01-22

Applicant: 神州医疗科技股份有限公司

Inventor： 马鹏程 ,  聂瑞 ,  许娟 ,  高剑伟 ,  王剑仲 ,  刘燕波 ,  费鸿高 ,  梁大柱 ,  张佳乐 ,  王瑞国 ,  史文钊

IPC: G16H50/20 ,  G06F18/213 ,  G06F18/25 ,  G06F18/24

Abstract: 本发明公开了一种分析肝癌复发数据的多模态预测模型构建方法及系统，通过将临床文本、影像、病理多个模态数据进行整合，基于多种模态数据和多种融合策略构建了分析肝癌复发数据的多模态预测模型，相比单模态建模，多模态建模能提高模型预测的准确性，弥补单一数据的局限性，本方案对各个模态的特征进行单独调优，全面反映肝癌复发数据的复杂机制，对于肝癌复发数据的分析更为完备，还能增强模型的泛化能力，更好地适用于医学应用场景，辅助临床决策。

公开(公告)号：CN117174319A

公开(公告)日：2023-12-05

申请号：CN202311452738.7

申请日：2023-11-03

Applicant: 神州医疗科技股份有限公司

Inventor： 王瑞国 ,  许娟 ,  张佳乐 ,  梁大柱 ,  聂瑞 ,  费鸿高 ,  高剑伟 ,  吴玉杰 ,  史文钊

IPC: G16H50/30 ,  G06N5/022 ,  G06N3/0464

Abstract: 本发明涉及一种基于知识图谱的脓毒症时序预测方法及系统；该方法包括：获取脓毒症患者的时序诊次信息，形成诊次数据集；基于CCS或ICD编码技术，构建医学本体图谱；基于医学本体图谱，构建目标脓毒症患者的诊次图谱；基于诊次图谱，生成诊次邻接矩阵和诊次特征矩阵；将诊次邻接矩阵和诊次特征矩阵分别输入至ST‑GCN网络模型中，得到目标脓毒症患者诊次T的诊断预测结果。本发明通过将脓毒症患者患者的时序诊次信息和医学知识图谱相结合，实现全流程端到端预测，不仅有利于模型提取出患者更准确的表征，提升模型预测的准确性，还能够对大量减少医生的工作量，节省医疗资源。