-
公开(公告)号：CN117056637B
公开(公告)日：2024-03-12
申请号：CN202311251051.7
申请日：2023-09-26
Applicant: 之江实验室
IPC: G06F16/958 , G06F16/957
Abstract: 本申请涉及一种无障碍网页生成方法、装置、计算机设备和存储介质，包括：获取网页的文档对象模型数据，其中，所述文档对象模型数据由多个节点组成，各所述节点包含内容和标签；获取预设规则集合，其中，各预设规则包含标签和逻辑转换代码；遍历所述文档对象模型数据中的节点，将所述预设规则集合中的各预设规则与当前节点的标签进行匹配；若存在第一预设规则的标签和当前节点的标签一致，则确定所述第一预设规则与当前节点相匹配，并根据所述第一预设规则的逻辑转换代码修改当前节点的内容；根据修改后的所述文档对象模型数据，生成无障碍网页，自动且快速地基于原始代码生成无障碍网页，降低生成无障碍网页的人力、时间成本。
-
公开(公告)号：CN117271804B
公开(公告)日：2024-03-01
申请号：CN202311548856.8
申请日：2023-11-21
Applicant: 之江实验室
Abstract: 本发明涉及一种共病特征知识库生成方法、装置、设备及介质，属于医疗数据处理技术领域，其中方法包括以下步骤：采集患者电子病历文本并进行数据预处理；提取电子病历文本的实体和信息组，得到文本深层结构化结果，所述信息组由实体对组成；基于深度学习模型对文本深层结构化结果进行术语标准化，形成共病特征；根据术语标准化后的文本深层结构化结果和人工诊断结果，利用辅助诊断模型补充诊断结果，并基于关联规则算法挖掘诊断结果的共病模式；基于共病特征和共病模式构建共病特征知识库。与现有技术相比，本发明构建的共病特征知识库具有支持细粒度筛查等优点。
-
公开(公告)号：CN117611581A
公开(公告)日：2024-02-27
申请号：CN202410076457.4
申请日：2024-01-18
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于多模态信息的舌象识别方法、装置及电子设备。所述方法包括：获取用户的舌体图像和病症信息，病症信息包括病症主诉、症状以及体征；将舌体图像以及病症信息输入舌象识别模型，确定舌体图像对应的图像特征以及病症信息对应的文本特征；根据预设的舌诊知识图谱，确定病症实体与舌象实体之间的对应关系，并获取基于该对应关系所确定图谱特征；将图像特征、文本特征以及图谱特征进行融合，得到目标舌象特征，以根据目标舌象特征进行舌象识别。本方案通过对多模态信息进行整合，有效提升了舌象识别结果的准确性以及可靠性。
-
公开(公告)号：CN116894685B
公开(公告)日：2024-02-23
申请号：CN202311164978.7
申请日：2023-09-11
Applicant: 之江实验室
IPC: G06Q30/0201 , G06Q30/0283 , G06F40/289 , G16H40/20
-
公开(公告)号：CN117034142B
公开(公告)日：2024-02-09
申请号：CN202311283938.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06F18/2415 , G16H10/60 , G06F17/16 , G06N3/0464
Abstract: 本发明公开了一种不平衡医疗数据缺失值填充方法及系统，本发明使用推土机距离构建生成器和判别器的损失，能够解决在训练过程中生成器可能出现消失梯度的问题；将患者标签作为监督信号加入到生成器中，增加生成器生成患者数据的多样性；增加了辅助分类器，对填补单元填补后的患者数据进行预测，并将预测结果反馈给生成器，提高生成器的生成效果；利用随机数填充患者数据的缺失部分，将填充后的患者数据作为生成器的输入，通过生成器学习缺失值与其他数据间的关系，避免了在训练过程中需要收集足够多完整样本的问题；生成器损失由三部分组成，通过构建不同的损失，让生成器从不同角度考虑填充的效果，从而提高填充结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117077649B
公开(公告)日：2024-01-09
申请号：CN202311336529.6
申请日：2023-10-16
Applicant: 之江实验室
IPC: G06F40/186 , G06F40/166 , G06F16/28
Abstract: 本说明书公开了一种生成医疗文本提取模版方法，从上述方法可以看出，本申请将若干医疗文本输入训练完成的提取模型，得到提取模型输出的若干医疗文本分别对应的候选提取模版。根据候选提取模版中每个元素出现频率，以及与其他元素的共现次数，分别确定每个元素的代表性和可靠性。根据代表性以及可靠性，确定每个元素的置信度，根据置信度对候选提取模版过滤，提高候选提取模板包含的元素对医疗文本覆盖率。将过滤后的候选提取模版进行聚合，可以提高候选提取模板的泛化性，根据聚合结果，确定目标提取模版。实现了自动生成医疗文本提取模版，减少人力成本，提高了提取医学信息的效率和准确性。
-
公开(公告)号：CN117010494B
公开(公告)日：2024-01-05
申请号：CN202311257598.8
申请日：2023-09-27
Applicant: 之江实验室
IPC: G06N5/02 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于因果表示学习的医学数据生成方法及系统，包括：获取医学知识图谱；根据医学知识图谱将患者医学数据重构为患者数据图谱；根据患者数据图谱得到邻接矩阵和节点初始嵌入表示集合，通过图编码器得到患者表征；根据患者表征利用注意力机制将患者数据图谱解耦为患者因果特征图和患者混淆特征图；根据患者因果特征图和患者混淆特征图生成患者重构因果特征图、患者合成因果特征图，构建并基于对抗学习训练医学数据生成模型，实现无法区分患者因果特征图与患者合成因果特征图，同时使患者因果特征图与患者重构因果特征图尽可能相似；将目标患者数据图谱输入至训练好的医学数据生成模型，得到生成的医学数据。
-
公开(公告)号：CN116759042B
公开(公告)日：2023-12-22
申请号：CN202311057093.7
申请日：2023-08-22
Applicant: 之江实验室
IPC: G16H10/60 , G16H50/70 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于环形一致性的反事实医疗数据生成系统，包括数据准备模块和反事实医疗数据生成模块，数据准备模块用于获取准备好的患者数据，反事实医疗数据生成模块用于生成反事实患者数据，利用生成器和训练好的解码器生成符合真实取值范围的与患者数据结局相反的反事实患者数据和与重建数据，基于结局相同的患者数据和反事实患者数据优化判别器；基于结局相同的患者数据和重建数据的环形一致性差异优化生成器，优化完成后固定生成器的参数生成反事实患者数据。本发明还公开了一种基于环形一致性的反事实数据生成方法。本发明方法能够生成准确可靠且鲁棒性强的反事实患
-
公开(公告)号：CN116759096B
公开(公告)日：2023-12-08
申请号：CN202311055995.7
申请日：2023-08-22
Applicant: 之江实验室
IPC: G06F17/00
Abstract: 本发明公开了一种基于多重比较功能连接矩阵的疾病预测系统，该系统包括疾病预测设备和存储设备；存储设备用于存储静息态功能磁共振图像数据；疾病预测设备包括：被试获取及预处理模块用于获取静息态功能磁共振图像；脑区时间序列提取模块用于提取每个脑区的时间序列；功能连接值计算模块用于计算每个被试的所有两两脑区之间的功能连接值，得到功能连接矩阵；疾病预测模块，用于以功能连接矩阵为特征进行疾病预测。本发明通过取两两信号在不同状态下的最大相关系数从而更好地体现不同脑区功能信号之间的相关性，减弱不同脑区功能信号的非同步性及功能连接的动态变化对功能连接矩阵的影响，可以大大提高疾病预测的准确率。
-
公开(公告)号：CN117116407A
公开(公告)日：2023-11-24
申请号：CN202311367938.2
申请日：2023-10-23
Applicant: 之江实验室
IPC: G16H10/60 , G16H50/70 , G06F40/205
Abstract: 本发明涉及一种基于电子病历的患者画像生成方法、装置及存储介质，其中方法包括：基于原始电子病历数据得到各业务场景下的长文本形式的电子病历数据；根据文本内容确定电子病历文本的深层结构化结果；构建训练集，对信息抽取模型进行训练；基于训练好的信息抽取模型，输入病历文本数据，得到对应于该文本的深层结构化结果；取目标患者在各业务场景下的各类型文本对应的深层结构化结果，并根据时间顺序进行整合得到患者画像。与现有技术相比，本发明具有体现患者病情细节与动态变化的同时减小无用信息量等优点。
-
-
-
-
-
-
-
-
-
Search Results
401
records
(took 0.029 seconds)
