公开(公告)号：CN120032877A

公开(公告)日：2025-05-23

申请号：CN202510015011.5

申请日：2025-01-06

Applicant: 神州医疗科技股份有限公司

Inventor： 酒连娣 ,  董蔚 ,  张渤 ,  许娟 ,  李青

IPC: G16H50/30 ,  G16H50/70 ,  G06N20/00 ,  G06F18/21 ,  G06F18/20

Abstract: 本发明涉及机器学习技术领域，具体公开一种术后心力衰竭风险预测方法、系统、电子设备和存储介质，该方法包括：确定用于术后心力衰竭风险预测的目标机器学习模型与多个目标特征指标，并根据每个样本患者的多个目标特征指标的具体值以及表征每个样本患者是否存在术后心力衰竭的样本标签，对所述目标机器学习模型进行训练，得到训练好的机器学习模型；将待测患者的多个目标特征指标的具体值输入至所述训练好的机器学习模型，得到所述待测患者的术后心力衰竭风险预测结果。本发明能够简化临床工作流程，提高术后心力衰竭风险评估的准确性和效率，最终实现更好的患者监测以及护理。

公开(公告)号：CN117747093B

公开(公告)日：2024-06-07

申请号：CN202410189821.8

申请日：2024-02-20

Applicant: 神州医疗科技股份有限公司

Inventor： 酒连娣 ,  吕彬彬 ,  郭栋梁

IPC: G16H50/20 ,  G16H50/70 ,  G16B25/10 ,  G16B40/00 ,  G16B50/30 ,  G06F18/2113 ,  G06F18/2431 ,  G06F18/27 ,  G06F18/214 ,  G06F18/21 ,  G06N5/01

Abstract: 本发明涉及基因技术领域，具体涉及一种特发性肺纤维化诊断模型的构建方法及诊断系统；本系统包括数据获取模块用于通过GEO数据库获取IPF患者的基因表达谱芯片数据，构建芯片数据训练集，差异基因筛选模块用于利用芯片数据训练集经过贝叶斯检验，筛选出差异基因，特征基因筛选模块用于基于随机森林分类器筛选出特征基因，回归系数计算模块用于基于特征基因，在训练集中拟合逻辑回归模型，得到各特征基因的回归系数，诊断模型构建模块用于构建特发性肺纤维化诊断模型，诊断模块用于基于待检者的特征基因的表达量通过特发性肺纤维化诊断模型计算诊断得分；实现对特发性肺纤维化的快速筛查，实现更早、更准确、更简便的对IPF做出诊断，改善预后。

公开(公告)号：CN117747093A

公开(公告)日：2024-03-22

申请号：CN202410189821.8

申请日：2024-02-20

Applicant: 神州医疗科技股份有限公司

Inventor： 酒连娣 ,  吕彬彬 ,  郭栋梁

IPC: G16H50/20 ,  G16H50/70 ,  G16B25/10 ,  G16B40/00 ,  G16B50/30 ,  G06F18/2113 ,  G06F18/2431 ,  G06F18/27 ,  G06F18/214 ,  G06F18/21 ,  G06N5/01

Abstract: 本发明涉及基因技术领域，具体涉及一种特发性肺纤维化诊断模型的构建方法及诊断系统；本系统包括数据获取模块用于通过GEO数据库获取IPF患者的基因表达谱芯片数据，构建芯片数据训练集，差异基因筛选模块用于利用芯片数据训练集经过贝叶斯检验，筛选出差异基因，特征基因筛选模块用于基于随机森林分类器筛选出特征基因，回归系数计算模块用于基于特征基因，在训练集中拟合逻辑回归模型，得到各特征基因的回归系数，诊断模型构建模块用于构建特发性肺纤维化诊断模型，诊断模块用于基于待检者的特征基因的表达量通过特发性肺纤维化诊断模型计算诊断得分；实现对特发性肺纤维化的快速筛查，实现更早、更准确、更简便的对IPF做出诊断，改善预后。

公开(公告)号：CN119862403A

公开(公告)日：2025-04-22

申请号：CN202411836697.6

申请日：2024-12-13

Applicant: 神州医疗科技股份有限公司

Inventor： 张渤 ,  酒连娣 ,  李林 ,  许娟 ,  史文钊

IPC: G06F18/2113 ,  G06F18/214 ,  G06F18/15 ,  G06F18/20 ,  G06N20/00

Abstract: 本发明涉及一种基于多源数据的数据处理系统，包括：用户操作界面模块，用于获取用户上传的多维数据，以及获取用户选择的多维数据的目标分析任务，以及获取用户选择的目标机器学习算法模型；特征筛选模块，用于根据目标变量，从多维数据中选择与目标变量的相关特征；机器学习模型模块，用于为用户提供针对不同的分析任务对应的机器学习算法模型；模型训练模块，用于根据与目标变量的相关特征，对目标机器学习算法模型进行训练，得到目标模型，以基于目标模型对与目标变量的相关特征进行目标分析任务对应的处理。通过本发明的系统，能够帮助用户高效处理、分析多维数据，自动进行机器学习建模，且支持个性化的处理。

公开(公告)号：CN119581018A

公开(公告)日：2025-03-07

申请号：CN202411629785.9

申请日：2024-11-15

Applicant: 神州医疗科技股份有限公司

Inventor： 酒连娣 ,  张渤 ,  许娟

IPC: G16H50/30 ,  G16H50/70 ,  G06F18/2113 ,  G06F18/213 ,  G06F18/21 ,  G06F18/241 ,  G06F18/243 ,  G06F18/20 ,  G06N5/045 ,  G06F123/02

Abstract: 本发明公开了一种ICU患者脓毒症发生风险预测方法及系统，该方法包括：采集ICU患者的临床时序数据；基于结构化查询语言技术和语义分析模型对ICU患者的临床时序数据进行信息提取处理；构造出数据集；构建八种二分类机器学习模型，选取AUROC值最高的二分类机器学习模型作为脓毒症预测模型；筛选有效特征；采用Platt Scaling算法和校准集对脓毒症预测模型进行校准处理，得到校准后的脓毒症预测模型；获取目标ICU患者的实时临床时序数据，对目标ICU患者的实时临床时序数据进行预处理，并输入至校准后的脓毒症预测模型中，输出且显示脓毒症发生风险预测结果。本发明无需人为干预，能够对ICU患者的脓毒症发生风险进行实时监测，以便为脓毒症的早期预警提供重要支持。