-
公开(公告)号：CN119361130B
公开(公告)日：2025-04-22
申请号：CN202411896175.5
申请日：2024-12-23
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 灵犀云医学科技(北京)有限公司
IPC: G16H50/20 , A61B5/16 , A61B5/369 , A61B5/00 , G16H50/30 , G06F18/214 , G06F18/2431 , G06N3/096
Abstract: 本发明提供一种基于迁移学习的ALS患者抑郁风险评估系统，包括：数据采集单元，用于采集待评估ALS患者的脑电数据；源域抑郁风险评估单元，基于非ALS患者脑电数据样本集预训练得到，包括用于对脑电数据集进行脑电特征提取的特征提取模块和用于进行抑郁风险分类预测的抑郁风险分类模块；目标域特征适应模块，设置于特征提取模块和抑郁风险分类模块之间，用于基于非ALS患者脑电数据样本集对应的脑电特征数据对提取得到的待评估ALS患者的脑电特征进行筛选和修正，并输入抑郁风险分类模块预测得到待评估ALS患者的抑郁风险。本发明解决了现有技术中的抑郁风险评估没有考虑到ALS疾病因素对于抑郁判断的影响，导致对于ALS患者抑郁风险评估准确性差的问题。
-
公开(公告)号：CN117079723B
公开(公告)日：2024-02-02
申请号：CN202311323194.4
申请日：2023-10-13
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京金域医学检验实验室有限公司
Abstract: 本发明公开了一种与肌萎缩侧索硬化症相关的生物标志物、诊断模型及其应用。本发明基于肌萎缩侧索硬化症患者队列，开发了基于机器学习算法的肌萎缩侧索硬化症风险评估模型，将通过严格质量控制的数据分为训练集和测试集，采用套索算法和极端梯度提升算法分别建立肌萎缩侧索硬化症风险评估模型，将建立的模型应用于测试集，对模型结果进行比较评估，得出最优的肌萎缩侧索硬化症风险评估模型，并识别最重要的差异甲基化基因作为肌萎缩侧索硬化症的DNA甲基化标志物，为肌萎缩侧索硬化症的早期诊断和识别提供依据。
-
公开(公告)号：CN116052892A
公开(公告)日：2023-05-02
申请号：CN202310265522.3
申请日：2023-03-20
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种肌萎缩侧索硬化疾病进展分类系统和方法，该系统包括梳理单元、轨迹拟合单元、差异评估单元、内部验证单元和外部验证单元；梳理单元用于梳理肌萎缩侧索硬化患者在随访过程中多个时点的ALS功能评分量表得分；轨迹拟合单元用于利用群组化轨迹建模方法对ALS患者多时点ALS功能评分量表得分进行轨迹拟合；差异评估单元用于评估不同的轨迹组在临床特征、实验室检查指标和终点事件发生风险上的差异，从侧面评估分类方法的有效性和合理性；内部验证单元用于利用Bootstrap重抽样方法进行内部验证；外部验证单元用于利用外部数据库拟合功能评分轨迹分组，从侧面验证分类方法的可靠性。
-
公开(公告)号：CN114611563A
公开(公告)日：2022-06-10
申请号：CN202210525623.5
申请日：2022-05-16
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种跨部位识别针极肌电图神经源性损害的方法，该方法包括以下步骤：第一步，先对输入系统的原始肌电信号进行一定的预处理；第二步，对预处理后的针极肌电图数据进行特征提取，将提取后的特征级联构成特征向量；第三步，对某一部位的针极肌电图特征数据，输入到集成分类器中，进行集成学习，采用加权集成策略，实现对多个分类器的输出结果进行集成学习，实现对每个个体所有样本数据的预测输出；第四步，在分类阶段，将多个分类器的预测概率进行加权求和得到最终的预测概率，以0.5为阈值判断患病与否，从而实现对肌电信号进行分类；其中，wi为每个分类器的概率权重。
-
公开(公告)号：CN119811666A
公开(公告)日：2025-04-11
申请号：CN202411896173.6
申请日：2024-12-23
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 灵犀云医学科技(北京)有限公司
Abstract: 本发明提供一种ALS患者抑郁风险预测模型构建方法及设备，该方法包括：基于非ALS患者脑电数据样本集训练得到非ALS患者的抑郁风险预测模型；获取多个ALS抑郁患者及ALS非抑郁患者的脑电数据，构建得到ALS训练样本集；在抑郁风险预测模型的特征提取模块和抑郁风险分类模块之间构建ALS抑郁风险迁移学习模块，用于对ALS脑电特征进行筛选和修正，以得到适应抑郁风险分类模块的特征分布；利用ALS训练样本集和损失函数对初步构建的ALS患者抑郁风险预测模型进行迭代训练，得到收敛的ALS患者抑郁风险预测模型。本发明解决了现有技术中的ALS患者脑电数据难以大量获取，难以训练得到可用于ALS患者的高准确率的抑郁风险预测模型，导致对于ALS患者抑郁风险评估准确性差的问题。
-
Patent Agency Ranking
公开(公告)号：CN118470027A
公开(公告)日：2024-08-09
申请号：CN202410941048.6
申请日：2024-07-15
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种基于核磁影像识别脊髓神经源性损害的系统和方法，该系统包括预处理单元、特征向量构成单元和集成学习单元；预处理单元用于对每个待识别的MRI数据进行预处理操作；特征向量构成单元用于对预处理后的MRI数据进行灰质特征参数提取和特征选择，将提取和选择后的特征级联构成特征向量；集成学习单元用于将构成的特征向量输入到集成学习器中，采用选择性加权集成策略，对多个基分类器的输出结果进行集成学习，实现对神经源性损伤和非神经源性损伤的检测识别。
-
公开(公告)号：CN119587805A
公开(公告)日：2025-03-11
申请号：CN202510056928.X
申请日：2025-01-14
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种护理留置针固定器，属于医疗器械技术领域，解决了现有技术中有护理留置针固定不稳的问题。本发明包括第一连接机构、第二连接机构、第三连接机构和留置针稳固机构；第二连接机构的前端与第一连接机构连接，第二连接机构的后端与第三连接机构连接，第二连接机构上设置留置针稳固机构，留置针稳固机构用于固定留置针的Y型接口部位；第一连接机构连接在患者的手指上，第二连接机构连接在患者的手腕上，第三连接机构连接在患者的手臂上。本发明的第二连接机构的前后分别连接有第一连接机构和第二连接机构，能够防止第二连接机构和留置针向前、向后发生较大位移，提高了留置针固定位置的稳定性。
-
公开(公告)号：CN118335291B
公开(公告)日：2025-02-25
申请号：CN202410353735.6
申请日：2024-03-27
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供一种面向ALS(肌萎缩性脊髓侧索硬化症)患者的认知障碍预测模型的训练方法及设备：该方法包括：获取多个ALS患者的认知评估量表数据和多模态脑影像数据，并标注标签，以构建得到训练样本集；训练样本集中包括对认知评估量表数据预处理后的结构化数据，和对多模态脑影像数据进行ALS相关特征筛选和特征转换得到的ALS脑影像特征数据；构建认知障碍预测模型，并利用训练样本集中的数据和标签，对认知障碍预测模型进行迭代训练，得到收敛的认知障碍预测模型。本发明解决了现有技术中的认知障碍预测主要依靠认知量表测评，检查耗时冗长，且没有考虑到ALS自身疾病因素引起脑部结构变化对于认知障碍判断的影响，导致预测准确性差的问题。
-
公开(公告)号：CN118470027B
公开(公告)日：2024-10-22
申请号：CN202410941048.6
申请日：2024-07-15
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种基于核磁影像识别脊髓神经源性损害的系统和方法，该系统包括预处理单元、特征向量构成单元和集成学习单元；预处理单元用于对每个待识别的MRI数据进行预处理操作；特征向量构成单元用于对预处理后的MRI数据进行灰质特征参数提取和特征选择，将提取和选择后的特征级联构成特征向量；集成学习单元用于将构成的特征向量输入到集成学习器中，采用选择性加权集成策略，对多个基分类器的输出结果进行集成学习，实现对神经源性损伤和非神经源性损伤的检测识别。
-
公开(公告)号：CN118335291A
公开(公告)日：2024-07-12
申请号：CN202410353735.6
申请日：2024-03-27
Applicant: 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供一种面向ALS(肌萎缩性脊髓侧索硬化症)患者的认知障碍预测模型的训练方法及设备：该方法包括：获取多个ALS患者的认知评估量表数据和多模态脑影像数据，并标注标签，以构建得到训练样本集；训练样本集中包括对认知评估量表数据预处理后的结构化数据，和对多模态脑影像数据进行ALS相关特征筛选和特征转换得到的ALS脑影像特征数据；构建认知障碍预测模型，并利用训练样本集中的数据和标签，对认知障碍预测模型进行迭代训练，得到收敛的认知障碍预测模型。本发明解决了现有技术中的认知障碍预测主要依靠认知量表测评，检查耗时冗长，且没有考虑到ALS自身疾病因素引起脑部结构变化对于认知障碍判断的影响，导致预测准确性差的问题。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.044 seconds)
