-
公开(公告)号：CN110693510A
公开(公告)日：2020-01-17
申请号：CN201910987452.6
申请日：2019-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种注意力缺陷多动障碍辅助诊断装置及其使用方法，包括：显示屏幕，用于与被测者进行交互，并显示测试场景；穿戴式加速度传感器，用于采集被测者在该测试场景中的肢体加速度；数据处理模块，用于对该肢体加速度进行预处理，得到待测数据，将该待测数据输入基于深度神经网络的注意缺陷多动障碍检测模型进行识别，得到辅助诊断结果，并将其发送至该显示屏幕。本发明提出的基于深度学习方法通过加速度图像实现分类注意缺陷多动障碍组与对照组样本的分类方法具有结果准确、客观、便于推广，能够辅助临床中注意缺陷多动障碍患者的辅助诊断。
-
公开(公告)号：CN117612709A
公开(公告)日：2024-02-27
申请号：CN202311800401.0
申请日：2023-12-26
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种医疗任务模型的联邦构建方法，用于同时构建适用于执行不同任务的医疗任务模型，所述方法包括：步骤S1：通用模型构建步骤，以联邦学习的方式通过步骤S11的初始化步骤和步骤S12的联邦训练步骤构建一个适用于各种医疗任务的通用模型，步骤S2：医疗任务模型组合步骤：将多次联邦训练后中心服务器得到的特征提取模型作为通用模型，并将该通用模型作为特征提取器，将其分别与多个目标任务对应的嵌入模块和输出模块组合以构成每个目标任务对应的医疗任务模型。
-
公开(公告)号：CN113298234B
公开(公告)日：2024-01-05
申请号：CN202110576078.8
申请日：2021-05-26
Applicant: 中国科学院计算技术研究所
IPC: G06F16/906 , G06N3/08
Abstract: 本发明实施例提供了一种生成多关系图中节点的表示向量的方法，本发明经过多关系图分解和编码后得到的编码后的单一关系子图，不仅可以降低预测难度，也可避免多关系图下潜在关联预测收到过多干扰，导致关联预测不够准确；然后潜在关联预测可以得到补充了潜在关联后的关系子图，能够实现挖掘多关系图中每一种关系情况中潜在关联信息，再聚合为挖掘了不同的潜在关系的多关系的特征聚合图，基于特征聚合图提取节点的表示向量，从而更好地为后续任务提供准确基础。
-
公开(公告)号：CN113297485B
公开(公告)日：2023-01-24
申请号：CN202110562646.9
申请日：2021-05-24
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供了一种生成跨模态的表示向量的方法以及跨模态推荐方法，本发明基于不同模态的条目用相应的信息提取方式从该条目中提取包括不同模态的共有内容对应的特征向量和当前模态的专属内容对应的特征向量的跨模态一致性标引，基于各条目的文本信息提取核心词集合，根据跨模态一致性标引生成包含多个条目和多个核心词对应的节点连接的跨模态内容图，并用跨模态内容图通过多模态图神经网络生成跨模态的表示向量，从而更精准地将跨模态的数据对应的特征映射到同一语义空间，有利于提高推荐系统的性能，提高用户体验。
-
公开(公告)号：CN117690578A
公开(公告)日：2024-03-12
申请号：CN202311648662.5
申请日：2023-12-04
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种疾病预测模型的训练方法，该方法包括：获取医疗数据集，其包括多个医疗数据，每个医疗数据对应有一种或多种症状，部分医疗数据对应有一种或多种疾病；将每个医疗数据作为一个医疗数据节点、每种症状作为一个症状节点、每种疾病作为一个疾病节点，基于所述医疗数据集构建异构图；基于图神经网络构建初始疾病预测模型，并以异构图为输入、每个医疗数据节点与每个疾病节点之间是否有边为输出，采用异构图对初始疾病预测模型进行多轮迭代训练直至收敛，并在每轮训练过程中基于对比损失更新疾病预测模型参数。本发明的方法可以提高疾病预测模型的性能，从而更好地辅助医生进行疾病诊断。
-
Patent Agency Ranking
公开(公告)号：CN116313043A
公开(公告)日：2023-06-23
申请号：CN202211699508.6
申请日：2022-12-28
Applicant: 中国科学院计算技术研究所
IPC: G16H50/20 , G16H50/30 , G16H20/70 , G06N3/08 , G06F18/241 , G06N3/0464
Abstract: 本发明提出一种基于时空约束的多流图神经网络多动症辅助诊断方法，包括：获取用户于人机交互场景中的运动传感器数据，提取该运动传感器数据的时域统计特征；基于该时域统计特征获取该人机交互场景的时空约束图；获取该时空约束图的整图向量表示；将所有该整图向量表示进行融合，得到该用户进行人机交互行为的分类结果。本发明还提出一种基于时空约束的多流图神经网络多动症辅助诊断系统，以及一种实现多流图神经网络多动症辅助诊断的数据处理系统。
-
公开(公告)号：CN113298234A
公开(公告)日：2021-08-24
申请号：CN202110576078.8
申请日：2021-05-26
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种生成多关系图中节点的表示向量的方法，本发明经过多关系图分解和编码后得到的编码后的单一关系子图，不仅可以降低预测难度，也可避免多关系图下潜在关联预测收到过多干扰，导致关联预测不够准确；然后潜在关联预测可以得到补充了潜在关联后的关系子图，能够实现挖掘多关系图中每一种关系情况中潜在关联信息，再聚合为挖掘了不同的潜在关系的多关系的特征聚合图，基于特征聚合图提取节点的表示向量，从而更好地为后续任务提供准确基础。
-
公开(公告)号：CN119480126A
公开(公告)日：2025-02-18
申请号：CN202411354767.4
申请日：2024-09-27
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于模型联邦网络的多中心医疗任务模型构建方法，所述方法包括：获取当前医疗中心的模型构建需求，并基于模型构建需求从该医疗中心选择对应的任务模型作为原始任务模型；从模型联邦网络中选择一个或多个与原始任务模型任务类型一致的来自于其他医疗中心的外部任务模型；对原始任务模型和每一个外部任务模型分别进行特征归因分析以得到原始任务模型和每一个外部任务模型的模型量化评估结果；以图匹配方式计算原始任务模型与各个外部任务模型之间的结构相似度；基于模型量化评估结果和结构相似度，按照预设的方式将原始任务模型中神经网络层的神经元参数与各个外部任务模型对应神经网络层的神经元参数进行加权融合得到目标医疗任务模型。
-
公开(公告)号：CN115005822A
公开(公告)日：2022-09-06
申请号：CN202210522640.3
申请日：2022-05-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于异质图的ADHD智能决策支持方法和系统，包括：通过多个运动传感器同时采集受试者在ADHD测试过程中的运动数据；将该运动数据在同一时间窗口内各运动传感器的单通道连续时序数据转置后作为各节点的特征，将各运动传感器数据通道间的互信息作为节点间边的权值，保存各节点的特征和节点间边的权值，作为当前时间窗口该运动数据的异质图；拼接各时间窗口的异质图，构建时域和频域异质图序列；通过异质图递归神经网络提取该异质图序列中节点的表示向量；通过分类器对节点的表示向量进行分类，得到ADHD智能决策支持结果。本发明利用运动数据多方面的信息，实现对ADHD更准确的分类识别，提供更具参考意义的准确辅助决策支持。
-
公开(公告)号：CN113297485A
公开(公告)日：2021-08-24
申请号：CN202110562646.9
申请日：2021-05-24
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供了一种生成跨模态的表示向量的方法以及跨模态推荐方法，本发明基于不同模态的条目用相应的信息提取方式从该条目中提取包括不同模态的共有内容对应的特征向量和当前模态的专属内容对应的特征向量的跨模态一致性标引，基于各条目的文本信息提取核心词集合，根据跨模态一致性标引生成包含多个条目和多个核心词对应的节点连接的跨模态内容图，并用跨模态内容图通过多模态图神经网络生成跨模态的表示向量，从而更精准地将跨模态的数据对应的特征映射到同一语义空间，有利于提高推荐系统的性能，提高用户体验。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.051 seconds)
