-
公开(公告)号：CN117877704A
公开(公告)日：2024-04-12
申请号：CN202311821597.1
申请日：2023-12-27
Applicant: 首都医科大学附属北京友谊医院
IPC: G16H40/60 , G16H10/60 , G16H30/20 , G16H20/30 , G16H50/70 , G06N3/0464 , G06N3/0455 , A61B10/02
Abstract: 本申请公开了一种用于预测前列腺穿刺倾向的装置和计算机可读存储介质。所述装置包括：处理器；以及存储器，其中存储有用于预测前列腺穿刺倾向的程序指令，当程序指令由处理器执行时，使得装置实现以下操作：获取被测者的基础信息和前列腺影像的文本信息；将基础信息和所述前列腺影像的文本信息输入至自然语言处理模型进行第一前列腺穿刺倾向预测获得第一预测结果；获取被测者的所述前列腺影像；将被测者的前列腺影像输入至图像处理模型进行第二前列腺穿刺倾向预测获得第二预测结果；以及基于第一预测结果和第二预测结果获得预测前列腺穿刺倾向的最终预测结果。利用本申请的方案，可以提高预测前列腺穿刺倾向的准确性。
-
公开(公告)号：CN118072946B
公开(公告)日：2024-07-30
申请号：CN202410451276.5
申请日：2024-04-16
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请公开了一种用于评估帕金森脑铁沉积位置的装置、电子设备和存储介质。所述装置包括：处理器以及存储器，所述装置实现以下操作：获取帕金森病患者和正常被试的与评估帕金森脑铁沉积顺序有关的目标数据；基于所述目标数据构建表征所述临床指标和所述目标脑区之间的因果关系的因果关系图；基于所述因果关系图中的关系链路确定脑铁在所述目标脑区的沉积顺序；以及根据脑铁在所述目标脑区的沉积顺序评估帕金森不同时期的脑铁沉积位置。利用本申请的方案，可以覆盖大脑各个区域，从而更全面地评估帕金森不同时期的脑铁沉积位置，以便于缩短对帕金森病的发现时间。
-
公开(公告)号：CN119131458A
公开(公告)日：2024-12-13
申请号：CN202411063816.9
申请日：2024-08-05
Applicant: 首都医科大学附属北京友谊医院
IPC: G06V10/764 , G06V10/80 , G06T5/70 , G06T5/94 , G06V10/52 , G06V10/774 , G06V10/82
Abstract: 本申请公开了一种用于识别核磁共振影像模态的方法、设备和存储介质。所述方法包括：采集核磁共振影像；对所述核磁共振影像进行多级自适应预处理操作，以获得预处理后的核磁共振影像；使用训练好的混合残差网络对所述预处理后的核磁共振影像进行多模态特征提取，以获得目标特征结果；以及根据所述目标特征结果识别所述核磁共振影像的最终模态。利用本申请的方案，可以显著地提升核磁共振影像模态识别的精度和鲁棒性，提高模态识别的准确性和效率。
-
公开(公告)号：CN117789988A
公开(公告)日：2024-03-29
申请号：CN202410212375.8
申请日：2024-02-27
Applicant: 首都医科大学附属北京友谊医院
IPC: G16H50/30 , G16H50/50 , G06T7/00 , G06V40/20 , G06V10/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/09 , A61B5/00 , A61B5/055
Abstract: 本申请公开了一种训练预测帕金森步态障碍的预测模型的方法及相关产品。所述方法包括：从帕金森患者组和正常组的静息态功能磁共振图像中分别提取对应的动态低频振幅作为训练样本，并从训练样本中选择任意两个动态低频振幅进行组合；获取帕金森患者组和正常组的检查信息，并将检查信息作为训练标签；将组合中的两个动态低频振幅和相应训练标签分别输入至第一编码器和第二编码器提取特征，获得对应的第一时序特征和第二时序特征；构建对应的第一时序特征和第二时序特征之间的相似性函数；以及基于相似性函数优化第一编码器和/或第二编码器，以训练预测帕金森步态障碍的预测模型。利用本申请的方案，可以提高对dALFF数据集的学习能力，提高预测精度。
-
公开(公告)号：CN118902435A
公开(公告)日：2024-11-08
申请号：CN202411400205.9
申请日：2024-10-09
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请公开了一种用于识别帕金森伴步态障碍的装置及计算机可读存储介质。所述装置包括：处理器；存储器，其中存储有用于识别帕金森伴步态障碍的程序指令，当所述程序指令由所述处理器执行时，使得所述装置实现以下操作：获取原始输入数据，其中所述原始输入数据至少包括步态测量中的全量压力数据；基于所述全量压力数据，使用第一模型和第二模型分别提取步态的局部空间特征和全局空间特征；将所述局部空间特征和所述全局空间特征进行特征融合，获得融合结果；以及基于所述融合结果和所述原始输入数据，使用第三模型进行多尺度特征提取来获得步态的时空特征，以识别帕金森伴步态障碍。利用本申请的方案，可以提高帕金森伴步态障碍识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116825335B
公开(公告)日：2023-12-08
申请号：CN202311103673.5
申请日：2023-08-30
Applicant: 首都医科大学附属北京友谊医院
IPC: G16H50/20 , A61B5/00 , A61B5/11 , G16H50/30 , G16H10/60 , G16H20/10 , G06F18/25 , G06N3/045 , G06N3/084
Abstract: 本申请公开了一种帕金森患者步态的预后效果的预测模型训练的方法和设备。所述方法包括：获取帕金森患者的预前步态特征和用药信息，并将预前步态特征和用药信息输入所述预测模型；基于预前步态特征和所述用药信息，使用预测模型中的辅助网络模型进行权重计算获得每个帕金森患者对应的权重；基于预前步态特征和所述用药信息，使用预测模型中的主干网络提取特征并计算初始损失函数；将权重作为初始损失函数的系数获得总损失函数；以及利用总损失函数反向训练主干网络模型和辅助网络模型，以对预测帕金森患者步态的预后效果的预测模型进行训练。利用本申请的方案，可以提高预测模
-
公开(公告)号：CN116825335A
公开(公告)日：2023-09-29
申请号：CN202311103673.5
申请日：2023-08-30
Applicant: 首都医科大学附属北京友谊医院
IPC: G16H50/20 , A61B5/00 , A61B5/11 , G16H50/30 , G16H10/60 , G16H20/10 , G06F18/25 , G06N3/045 , G06N3/084
Abstract: 本申请公开了一种帕金森患者步态的预后效果的预测模型训练的方法和设备。所述方法包括：获取帕金森患者的预前步态特征和用药信息，并将预前步态特征和用药信息输入所述预测模型；基于预前步态特征和所述用药信息，使用预测模型中的辅助网络模型进行权重计算获得每个帕金森患者对应的权重；基于预前步态特征和所述用药信息，使用预测模型中的主干网络提取特征并计算初始损失函数；将权重作为初始损失函数的系数获得总损失函数；以及利用总损失函数反向训练主干网络模型和辅助网络模型，以对预测帕金森患者步态的预后效果的预测模型进行训练。利用本申请的方案，可以提高预测模型的稳定性和精度，获得准确的关于患者步态的预后效果的预测结果。
-
公开(公告)号：CN117877704B
公开(公告)日：2025-03-04
申请号：CN202311821597.1
申请日：2023-12-27
Applicant: 首都医科大学附属北京友谊医院
IPC: G16H40/60 , G16H10/60 , G16H30/20 , G16H20/30 , G16H50/70 , G06N3/0464 , G06N3/0455 , A61B10/02
Abstract: 本申请公开了一种用于预测前列腺穿刺倾向的装置和计算机可读存储介质。所述装置包括：处理器；以及存储器，其中存储有用于预测前列腺穿刺倾向的程序指令，当程序指令由处理器执行时，使得装置实现以下操作：获取被测者的基础信息和前列腺影像的文本信息；将基础信息和所述前列腺影像的文本信息输入至自然语言处理模型进行第一前列腺穿刺倾向预测获得第一预测结果；获取被测者的所述前列腺影像；将被测者的前列腺影像输入至图像处理模型进行第二前列腺穿刺倾向预测获得第二预测结果；以及基于第一预测结果和第二预测结果获得预测前列腺穿刺倾向的最终预测结果。利用本申请的方案，可以提高预测前列腺穿刺倾向的准确性。
-
公开(公告)号：CN118902435B
公开(公告)日：2025-01-17
申请号：CN202411400205.9
申请日：2024-10-09
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请公开了一种用于识别帕金森伴步态障碍的装置及计算机可读存储介质。所述装置包括：处理器；存储器，其中存储有用于识别帕金森伴步态障碍的程序指令，当所述程序指令由所述处理器执行时，使得所述装置实现以下操作：获取原始输入数据，其中所述原始输入数据至少包括步态测量中的全量压力数据；基于所述全量压力数据，使用第一模型和第二模型分别提取步态的局部空间特征和全局空间特征；将所述局部空间特征和所述全局空间特征进行特征融合，获得融合结果；以及基于所述融合结果和所述原始输入数据，使用第三模型进行多尺度特征提取来获得步态的时空特征，以识别帕金森伴步态障碍。利用本申请的方案，可以提高帕金森伴步态障碍识别的准确性。
-
公开(公告)号：CN117789988B
公开(公告)日：2024-06-11
申请号：CN202410212375.8
申请日：2024-02-27
Applicant: 首都医科大学附属北京友谊医院
IPC: G16H50/30 , G16H50/50 , G06T7/00 , G06V40/20 , G06V10/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/09 , A61B5/00 , A61B5/055
Abstract: 本申请公开了一种训练预测帕金森步态障碍的预测模型的方法及相关产品。所述方法包括：从帕金森患者组和正常组的静息态功能磁共振图像中分别提取对应的动态低频振幅作为训练样本，并从训练样本中选择任意两个动态低频振幅进行组合；获取帕金森患者组和正常组的检查信息，并将检查信息作为训练标签；将组合中的两个动态低频振幅和相应训练标签分别输入至第一编码器和第二编码器提取特征，获得对应的第一时序特征和第二时序特征；构建对应的第一时序特征和第二时序特征之间的相似性函数；以及基于相似性函数优化第一编码器和/或第二编码器，以训练预测帕金森步态障碍的预测模型。利用本申请的方案，可以提高对dALFF数据集的学习能力，提高预测精度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.032 seconds)
