-
公开(公告)号：CN114386454A
公开(公告)日：2022-04-22
申请号：CN202111498955.0
申请日：2021-12-09
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本说明书公开了一种基于信号混合策略的医疗时序信号数据处理方法，能够至少部分地解决相关技术中存在的医学预测模型从医学数据中学习知识的效率较低的问题。本说明书中的基于信号混合策略的医疗时序信号数据处理方法，在构建训练样本集时，一方面采用的了周期性数据，另一方面还采用了非周期性数据。周期性数据和非周期性数据对知识的表现方式不同，则通过本说明书中的方法构建的训练样本集，能够使得医学预测模型较为高效的学习到医学数据表现出的知识，则后续采用训练后的医学预测模型，也具有较好的模型性能，可以基于采集到医学数据，得到较为准确的预测结果。
-
公开(公告)号：CN113569984A
公开(公告)日：2021-10-29
申请号：CN202110943317.9
申请日：2021-08-17
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请公开了脑灌注状态分类装置、方法、设备及存储介质。其中，该方法包括：收发模块用于获取来自超声数据采集设备的颈部血流数据；处理器，用于基于颈部血流数据、以及颈部血流数据与脑部灌注数据的映射关系，确定颈部血流数据对应的脑部灌注数据；基于脑部灌注数据中多个脑部区域的血流灌注特征，对多个脑部区域的脑灌注状态进行分类。上述装置能够通过颈部血流数据预测对应的脑部灌注数据，进而基于脑部灌注数据中的血流灌注特征(如脑血流量)，更加全面准确地区分各个脑部区域的脑灌注状态，不仅大大简化脑灌注状态的获取方式，拓展脑部检查的应用场景，还提高脑血流及脑功能评估结果的准确性，辅助医生完成脑部检查。
-
公开(公告)号：CN115937087B
公开(公告)日：2023-06-23
申请号：CN202211243065.X
申请日：2022-10-11
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请提供一种脑灌注状态分类方法、装置、设备和存储介质，包括：将获取到的颈部血流数据序列划分为多个子片段，各子片段包含的颈部血流数据的数量相同；提取所述多个子片段中相邻子片段之间的关联特征和所述多个子片段各自的局部特征；根据所述关联特征和所述局部特征，确定所述颈部血流数据序列的统计特征矩阵；根据所述颈部血流数据序列反映的生理特征参数，确定所述颈部血流数据序列的生理特征矩阵；将所述统计特征矩阵和所述生理特征矩阵输入训练好的分类模型，以得到多个脑区分别对应的脑灌注状态类别。本方案无需使用大型检查设备即可对脑灌注状态进行分类，拓展了脑灌注状态分类的应用场景。
-
公开(公告)号：CN115701878A
公开(公告)日：2023-02-14
申请号：CN202211262660.8
申请日：2022-10-14
Applicant: 首都医科大学附属北京友谊医院
IPC: G16H50/70 , G06F18/214 , G06F18/2411 , G06F18/2415 , G06F18/2431 , A61B5/026 , A61B8/06 , A61B8/08 , A61B3/10
Abstract: 本申请实施例提供一种眼灌注状态预测方法、装置、及电子设备。其中，获取利用医学检测设备检测受检用户的颈部数据；基于所述颈部数据，构建由至少一个目标特征构成的目标特征集；利用眼灌注状态预测模型，基于所述目标特征集预测获得所述受检用户的眼灌注状态；所述眼灌注状态预测模型基于样本颈部数据以及对应的样本眼灌注状态训练获得。本申请提供的技术方案通过一些简单的医学检测设备获取受检用户的颈部数据，并利用眼灌注状态预测模型，基于所述目标特征集预测获得所述受检用户的眼灌注状态，从而可以在一些复杂的应用场景(航天场景、户外急救场景等)基于颈部数据得到眼灌注状态。
-
公开(公告)号：CN113506640B
公开(公告)日：2022-05-31
申请号：CN202110943428.X
申请日：2021-08-17
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请公开了脑灌注状态分类装置、方法、设备及模型训练装置。该装置中，收发模块，用于接收来自不同数据采集设备的生理特征数据；处理器，用于提取生理特征数据中的生理特征；将生理特征输入随机森林模型中，以使随机森林模型中的多个决策树预测出生理特征对应的脑灌注状态类型；基于生理特征对应的脑灌注状态类型对脑灌注状态进行分类。通过该装置，不仅无需使用大型检查设备即可对脑灌注状态进行分类，大大降低脑灌注状态分类的实现难度，拓展脑灌注状态分类的应用场景；并通过随机森林模型还可融合更多生理特征，以更加准确地区分各种脑灌注状态，提高脑血流及脑功能评估结果的准确性，辅助医生完成脑部检查。
-
Patent Agency Ranking
公开(公告)号：CN115701878B
公开(公告)日：2024-07-30
申请号：CN202211262660.8
申请日：2022-10-14
Applicant: 首都医科大学附属北京友谊医院
IPC: G16H50/70 , G06F18/214 , G06F18/2411 , G06F18/2415 , G06F18/2431 , A61B5/026 , A61B8/06 , A61B8/08 , A61B3/10
Abstract: 本申请实施例提供一种眼灌注状态预测方法、装置、及电子设备。其中，获取利用医学检测设备检测受检用户的颈部数据；基于所述颈部数据，构建由至少一个目标特征构成的目标特征集；利用眼灌注状态预测模型，基于所述目标特征集预测获得所述受检用户的眼灌注状态；所述眼灌注状态预测模型基于样本颈部数据以及对应的样本眼灌注状态训练获得。本申请提供的技术方案通过一些简单的医学检测设备获取受检用户的颈部数据，并利用眼灌注状态预测模型，基于所述目标特征集预测获得所述受检用户的眼灌注状态，从而可以在一些复杂的应用场景(航天场景、户外急救场景等)基于颈部数据得到眼灌注状态。
-
公开(公告)号：CN114386479B
公开(公告)日：2023-02-03
申请号：CN202111498958.4
申请日：2021-12-09
Applicant: 首都医科大学附属北京友谊医院
IPC: G06F18/214 , G06F18/24 , G06N3/09 , G16H50/20
Abstract: 本说明书公开了一种医学数据处理方法、装置、存储介质及电子设备，能够至少部分地解决相关技术中存在的训练样本不足导致的模型处理数据的效果受到负面影响的技术问题。本说明书中的医学数据处理方法对多个扩增策略进行评估，从其中确定出较为适于扩增的目标策略。然后，采用目标策略对目标样本集进行扩增，得到训练样本集。由于目标策略是在多种扩增策略中基于评估结果确定出的，则经目标策略扩增得到的训练样本集一方面其中包含的样本数量不会过于不足；另一方面，其中包含的扩增后的样本对医学预测模型的训练造成负面影响的隐患也较低。由此，基于训练样本集训练得到的医学预测模型也能够获得较好的模型性能。
-
公开(公告)号：CN115937087A
公开(公告)日：2023-04-07
申请号：CN202211243065.X
申请日：2022-10-11
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请提供一种脑灌注状态分类方法、装置、设备和存储介质，包括：将获取到的颈部血流数据序列划分为多个子片段，各子片段包含的颈部血流数据的数量相同；提取所述多个子片段中相邻子片段之间的关联特征和所述多个子片段各自的局部特征；根据所述关联特征和所述局部特征，确定所述颈部血流数据序列的统计特征矩阵；根据所述颈部血流数据序列反映的生理特征参数，确定所述颈部血流数据序列的生理特征矩阵；将所述统计特征矩阵和所述生理特征矩阵输入训练好的分类模型，以得到多个脑区分别对应的脑灌注状态类别。本方案无需使用大型检查设备即可对脑灌注状态进行分类，拓展了脑灌注状态分类的应用场景。
-
公开(公告)号：CN114533121A
公开(公告)日：2022-05-27
申请号：CN202210153193.9
申请日：2022-02-18
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本发明实施例提供了一种脑灌注状态预测装置、方法、设备及模型训练装置，该脑灌注状态装置包括：第一获取模块用于获取生理特征数据，所述生理特征数据包括颈部血流数据、生理指标数据；第一确定模块用于确定与所述生理特征数据对应的颈部血流状态；第一处理模块用于根据所述颈部血流状态，确定与所述生理特征相对应的脑灌注状态。上述装置能够实现对脑灌注状态的预测。并且该脑灌注状态预测方法融合了更多的生理特征，提高了脑灌注状态预测结果的准确性，同时无需使用大型检查设备即可完成对脑灌注状态的预测，从而降低了脑灌注状态检查难度，使得脑灌注状态预测方法能够适用到各个应用场景，进一步提高了该预测方法的实用性。
-
公开(公告)号：CN114386454B
公开(公告)日：2023-02-03
申请号：CN202111498955.0
申请日：2021-12-09
Applicant: 首都医科大学附属北京友谊医院
IPC: G06F18/10 , G06F18/15 , G06F18/213 , G06F18/2415 , G06F18/214 , A61B5/00 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N20/10 , G16H50/20 , G06F123/02
Abstract: 本说明书公开了一种基于信号混合策略的医疗时序信号数据处理方法，能够至少部分地解决相关技术中存在的医学预测模型从医学数据中学习知识的效率较低的问题。本说明书中的基于信号混合策略的医疗时序信号数据处理方法，在构建训练样本集时，一方面采用的了周期性数据，另一方面还采用了非周期性数据。周期性数据和非周期性数据对知识的表现方式不同，则通过本说明书中的方法构建的训练样本集，能够使得医学预测模型较为高效的学习到医学数据表现出的知识，则后续采用训练后的医学预测模型，也具有较好的模型性能，可以基于采集到医学数据，得到较为准确的预测结果。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.04 seconds)
