一种基于可追溯标签的临床试验药房管理系统和方法

    公开(公告)号:CN120015261A

    公开(公告)日:2025-05-16

    申请号:CN202510093942.7

    申请日:2025-01-21

    Abstract: 本发明提供的一种基于可追溯标签的临床试验药房管理系统和方法,对药物按照项目编号和药物编号进行编码生成唯一的标签,药物的入库、存储、发放均通过标签进行可追溯管理,克服了临床实验药物非标准化,定制化难以进行信息化管理的难题,并通过建立项目管理和药物字典,将临床实验项目和药物进行绑定,对项目用药的状态进行有效地管理和监控,减少处方差错与中间的人力沟通成本,本发明提高了药师的工作效率,大幅节约了人力资源成本和时间成本。

    基于互联网的在线实时全肠外营养处方合理性优化系统

    公开(公告)号:CN112164441B

    公开(公告)日:2022-09-27

    申请号:CN202011067749.X

    申请日:2020-10-07

    Abstract: 本发明公开了一种基于互联网的在线实时全肠外营养处方合理性优化系统,标准数据模块,系统管理模块,数据处理模块以及多个客户端,且所述客户端至少包含基础终端、审方终端、维护终端的三种类型,所述标准数据模块中包含药品目录集、配伍禁忌集、模板处方集以及审方规则集。本申请能够结合现有医院的HIS系统将临床诊断数据与TPN审方系统对接,充分利用互联网的远程协作功能,能够在避免泄露信息的情况下将患者的相关信息以及初步处方进行传输,让外院医师参与处方的审查和修订,提高了高级别、多经验的医师、药师的知识储备利用率,有利于一二级医院稳定有效的开展工作以及分级医疗的推行。

    一种高光谱图像非线性异常探测方法

    公开(公告)号:CN114596483A

    公开(公告)日:2022-06-07

    申请号:CN202210123094.6

    申请日:2022-02-10

    Applicant: 复旦大学

    Inventor: 吴梓瑀 王斌

    Abstract: 本发明属于遥感图像处理技术领域,具体为一种高光谱图像非线性异常检测算法。本发明通过在基于核函数的非线性异常探测问题中引入全变分与稀疏正则的限制,将二维的高光谱图像数据分解为平滑的背景部分、稀疏的异常部分以及噪声部分,然后将稀疏的异常部分对应的表示系数用来获取最终的异常探测结果。同时考虑实际高光谱图像非线性混合的物理意义,从高光谱图像的非线性混合模型出发,引入联合字典中原子互相作用并混合的核函数映射方式。与传统的核函数映射相比,其更加符合非线性光谱混合中实际的复杂光散射效应,能够使高光谱图像数据达到更好的分解效果。在高光谱图像非线性异常探测问题上,具有重要应用价值。

    一种考虑光谱变异性的高光谱图像非线性解混方法

    公开(公告)号:CN109035154B

    公开(公告)日:2021-08-20

    申请号:CN201810579080.9

    申请日:2018-06-07

    Applicant: 复旦大学

    Inventor: 智通祥 王斌

    Abstract: 本发明属于遥感图像处理技术领域,具体为一种考虑光谱变异性的高光谱图像非线性解混方法。本发明首先利用核方法将原始数据映射到高维特征空间,在高维空间中考虑光谱变异系数进行线性解混;同时,依据地物分布的空间连续性,对丰度和变异系数添加局部平滑约束,使得二者具有空间上的平滑性。本方法在Hapke和GBM两种非线性混合模型中存在光谱变异性时,能进行有效的无监督非线性光谱解混。本发明能克服不同非线性混合场景中存在的光谱变异性问题,提高光谱解混的精度,在实际应用中具有重要的意义。

    一种基于毫米波图像人体上下文信息的危险物体检测方法

    公开(公告)号:CN110245675A

    公开(公告)日:2019-09-17

    申请号:CN201910264671.1

    申请日:2019-04-03

    Applicant: 复旦大学

    Abstract: 本发明属于图像处理技术领域,具体为一种基于毫米波图像人体上下文信息的危险物体检测方法。本发明首先利用卷积神经网络对输入的毫米波图像进行下采样操作,在高层特征空间中使用自顶而上结构来恢复人体上下文信息,将下采样阶段获得到的人体携带物与自顶而下结构获得的人体上下文信息相融合,共同预测前景目标;另外,针对初始化的候选框不能有效地匹配地面真实的问题,本发明采用辅助监督函数来给予初始化候选框坐标回归,在标准测试集与实际测试场景中提升模型的检出率。本发明可以实时、自动识别毫米波图像中的危险物体,大大提升安检、安防的效率。

    一种基于低秩表示和学习字典的高光谱图像异常探测方法

    公开(公告)号:CN105427300B

    公开(公告)日:2018-08-07

    申请号:CN201510780676.1

    申请日:2015-12-21

    Applicant: 复旦大学

    Inventor: 钮宇斌 王斌

    Abstract: 本发明属于遥感图像处理技术领域,具体为种基于低秩表示和学习字典的高光谱图像异常探测算法。本发明通过在异常探测问题中引入低秩表示的方法,将二维的高光谱图像数据分解为表示背景的低秩矩阵和表示异常的稀疏矩阵之和,然后将基本的异常探测算法作用在稀疏矩阵上得到异常探测的结果。更进步,该发明在低秩表示算法中引入了学习字典的概念,该学习字典通过随机选择并且梯度下降的算法获得,可以表示高光谱图像的背景光谱。学习字典的引入使得异常信息能更好地从高光谱图像数据中分离出来,从而获得更优的探测效果,同时能够提高算法对初始参数的鲁棒性,降低计算开销,在实际的异常探测应用方面有着重要的价值。

    基于选择性视觉注意机制的遥感图像机场目标检测与识别方法

    公开(公告)号:CN102214298B

    公开(公告)日:2013-10-16

    申请号:CN201110166001.X

    申请日:2011-06-20

    Applicant: 复旦大学

    Inventor: 王鑫 王斌 张立明

    Abstract: 本发明属于遥感图像目标检测与识别技术领域,具体为一种基于选择性视觉注意机制的遥感图像机场目标快速检测和识别的方法。本发明用改进后的注意力选择模型GBVS(Graph-basedVisualSaliency)对原始遥感图像进行显著性分析,得到显著性区域,并根据区域上的SIFT(Scale-invariantFeatureTransform)特征结合HDR(HierachicalDiscriminantRegression)树达到机场目标识别的目的。本发明能有效地克服传统机场检测方法中对图像逐像素分析的缺点。实验结果表明,本发明较现有的其它机场检测方法具有速度快、识别率高、虚警率低的特点,同时对噪声有较强的鲁棒性,非常适用于军事和民用领域复杂背景下的实时目标检测,对于实际应用具有较大的意义和价值。

Patent Agency Ranking