-
公开(公告)号：CN116994693A
公开(公告)日：2023-11-03
申请号：CN202311259740.2
申请日：2023-09-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于稳定性控制的医保统筹智能体的建模方法与系统，周期性的对获取的包括DIP/DRG分组点数和医院等级系数的患者真实数据进行汇总；结合医院和患者价值函数建立多周期时序性医保智能体强化学习模型并进行周期训练：在单个结算周期内将每次交互样本进行判断，分配到稳定经验池和波动经验池；在双经验池中进行随机采样，并更新损失函数直至奖励值收敛，将每周期输出结果作为下周期的初始状态；通过训练好的模型，得到下周期的DIP/DRG分组点数和医院等级系数。本发明结合了医保周期结算的特点，在智能体的训练上采用了多周期训练方法，同时考虑相邻周期智能体输出在时序上的稳定性，提高了收敛速度，减少了数据波动。
-
公开(公告)号：CN116959715A
公开(公告)日：2023-10-27
申请号：CN202311199176.X
申请日：2023-09-18
Applicant: 之江实验室
Abstract: 本发明公开了一种基于时序演进过程解释的疾病预后预测系统，该系统包括：数据采集模块，用于从电子病历数据库中提取患者的相关健康医疗数据；数据预处理模块，用于对相关健康医疗数据进行预处理；预后预测与归因模块，用于预测不同时间节点的预后，并对风险因素进行重要程度解释；可视化模块，基于预后预测与归因模块中得到的结果，解释预测结果并进行数据可视化。本发明融合了结构化的实验室检查数据和非结构化的病程记录的长期数据，在为患者不同时间周期下的预后做出精准预测的同时，对模型做出充分解释，并且提供可视化方法增加模型的透明度与可信度，利于责任相关方为患者提供优质、持续性的服务。
-
公开(公告)号：CN116909744A
公开(公告)日：2023-10-20
申请号：CN202310902332.8
申请日：2023-07-20
Applicant: 之江实验室
IPC: G06F9/50
Abstract: 本说明书公开了一种线程池参数调节方法、装置、存储介质及电子设备。所述线程池参数调节方法包括：获取单位时间内的各历史任务执行信息，将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中，以通过所述任务执行速率确定模型，确定所述单位时间内的任务执行速率，根据所述单位时间内的任务执行速率，确定指定时段的预估任务执行速率，根据所述预估任务执行速率，确定所述指定时段内通过所述线程池进行任务执行所需的线程的数量，作为目标数量，按照所述目标数量对所述线程池进行调节，得到调节后线程池，以通过所述调节后线程池在指定时段内进行任务执行。
-
公开(公告)号：CN116895372A
公开(公告)日：2023-10-17
申请号：CN202311164847.9
申请日：2023-09-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于大规模语言模型与元学习的智能急救分级系统，该系统包括信息录入模块、信息分析模块和智能急救医疗统筹模块；信息录入模块用于从多方面获取患者信息；信息分析模块基于大规模语言模型分析信息录入模块的语音录入单元获取的信息内容，提取患者相关信息；基于元学习模型实现对患者急危重程度评估，通过元学习模型中的基学习器实现急救分级、急诊分诊与响应时间估计；智能急救医疗统筹模块用于统筹安排救治顺序和协调调度，对急救与候诊患者进行实时风险预警，及时调整诊疗顺序。本发明针对院前院内衔接问题，提出智能急救分级系统，实现快速而有效的急危重程度评估与风险预警，并提供实时状态监测与统筹安排。
-
公开(公告)号：CN116309385B
公开(公告)日：2023-10-10
申请号：CN202310169846.7
申请日：2023-02-27
Applicant: 之江实验室
IPC: G06T7/00 , G06T7/12 , G06V10/26 , G06V10/774 , G06V10/762 , G06V10/28 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的腹部脂肪与肌肉组织测量方法及系统。本发明利用少量标注的CT图像，构建一个2D‑3D两阶段分割框架，进行三维CT序列的皮下脂肪、内脏脂肪和骨骼肌的自动测量。通过2D分割模型的训练，获得CT图像序列未标注层面的“伪标签”，这样可以大大减少三维分割模型训练数据所需的图像标注量。然后，提出一个活动轮廓正则化的三维深度卷积神经网络分割模型，用于三维腹壁结构的自动分割，以提高分割目标形状的正则性和边界光滑性。本发明具有自动化、精度高、可迁移扩展的特点，可以实现CT、核磁等影像上的不用脂肪及肌肉组织的自动测量。
-
Patent Agency Ranking
公开(公告)号：CN116823625A
公开(公告)日：2023-09-29
申请号：CN202311099719.0
申请日：2023-08-30
Applicant: 之江实验室
IPC: G06T3/40 , G06T5/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于变分自编码器的跨对比度磁共振超分辨率方法和系统。首先，获取同一受试者的不同对比度的高分辨和低分辨率的磁共振成像；然后设计单一对比度的超分辨率网络学习低分辨率到高分辨率图像的映射；接着设计编码和解码模块学习对比度信息，并接入单一对比度的超分辨率网络完成跨对比度重建。本发明可以对不同对比度的低分辨率磁共振图像重建出参考对比度的高分辨率磁共振图像，为临床应用和研究提供大量高质量的数据，便于后续磁共振定性定量分析。
-
公开(公告)号：CN116805284A
公开(公告)日：2023-09-26
申请号：CN202311085914.8
申请日：2023-08-28
Applicant: 之江实验室
IPC: G06T3/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于特征迁移的三维磁共振平面间超分辨重建方法和系统。首先，获取高分辨率的磁共振数据和对应的低分辨率数据；其次，将三维高分辨率数据转成二维标签数据，将三维低分辨率数据进行插值后转成二维初始数据，将三维低分辨率数据通过最近邻寻找的方法生成二维参考数据；然后设计基于特征迁移和平面间超分辨的深度学习网络完成二维低分辨率图像到高分辨率图像的映射；最后将二维高分辨率图像组合成三维高分辨率图像。本发明利用数据本身的先验信息大幅提升重建质量，同时重建不同的其他低分辨率磁共振图像时，具有更好的泛化性能和重建质量，因而可以为临床应用和研究提供大量高质量的数据，便于后续磁共振定性定量分析。
-
公开(公告)号：CN116502129B
公开(公告)日：2023-09-22
申请号：CN202310740799.7
申请日：2023-06-21
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/23213 , G06F18/25 , G06F16/36 , G06N3/0464 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084 , G16H10/60 , G16H50/20 , G16H50/30
Abstract: 本发明公开了一种知识与数据协同驱动的不平衡临床数据分类系统，包括：患者图谱构建模块，用于从患者电子病历数据中提取医学概念集合，基于医学概念集合和对应的关系集合构建患者图谱；患者表示获取模块，使用图卷积网络从患者图谱中提取含图结构信息的知识特征，融合知识特征和数据特征，得到患者表示；患者临床分类结果获取模块，将患者表示输入至临床数据分类模型中，所述临床数据分类模型由一个门控网络和多个专家网络组成，将患者表示同时输入到门控网络和各专家网络，其中门控网络为每个专家网络分配不同的患者权重，各专家网络基于患者权重分别输出分类结果；对每个专家网络输出的分类结果进行组合，获得患者临床分类结果。
-
公开(公告)号：CN116385330B
公开(公告)日：2023-09-15
申请号：CN202310661539.0
申请日：2023-06-06
Applicant: 之江实验室
IPC: G06T5/50 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种利用图知识引导的多模态医学影像生成方法和装置，该方法首先获取MR图像和CT图像并进行预处理，以构建数据集；然后利用图知识引导构建基于对抗生成网络的对抗生成模型，使用训练集训练对抗生成模型；再获取训练好的对抗生成模型中训练好的生成器，使用验证集通过评估指标对训练好的生成器的性能进行评估，并根据评估结果对生成器的参数进行调整，以获取最优生成器；最后将源域图像或测试集中的源域图像输入最优生成器中以获取生成的目标域图像。本发明能够捕获到跨区域和跨图像关系作为上下文和补偿信息，约束对抗的方向，进一步提升多模态生成的结果，有利于提高生成图像的质量。
-
公开(公告)号：CN116665913A
公开(公告)日：2023-08-29
申请号：CN202310860081.1
申请日：2023-07-13
Applicant: 之江实验室
Abstract: 本说明书公开了一种跨机构的患者匹配系统和方法，本说明书实施例中跨机构的患者匹配系统包含多个医疗机构设备和区块链，在患者匹配之前，每个医疗机构设备对本地保存的患者的特征进行编码和加密，得到用于查找患者的索引密文，将对患者特征进行加密后的特征密文和索引密文保存到区块链上。在某个医疗机构设备需要进行患者匹配时，区块链将待匹配患者的索引密文与其他患者的索引密文进行匹配，确定出各候选患者，并将各候选患者的特征密文发送给该医疗机构设备，该医疗机构设备基于各患者的特征的相似度，选择出与待匹配患者属于同一患者的目标患者。在此过程中，区块链与医疗机构设备之间传输的数据均是加密数据，降低了泄露患者数据的风险。
-
-
-
-
-
-
-
-
-
Search Results
401
records
(took 0.031 seconds)
