-
公开(公告)号：CN115938490B
公开(公告)日：2023-06-06
申请号：CN202310230140.7
申请日：2023-03-07
Applicant: 之江实验室
Abstract: 本发明公开了一种基于图表示学习算法的代谢物鉴定方法、系统和设备。该方法包括：从代谢物数据库中获取代谢物质谱数据和代谢物分子指纹，将质谱数据进行转换，构建代谢物节点、代谢物结构节点、一级质谱节点、二级质谱节点的关系图；计算各节点转移概率作为随机游走概率，使用deepwalk图表示学习算法生成一级质谱节点、二级质谱节点和代谢物结构节点的嵌入表示；对于每一个代谢物结构，用一级质谱的嵌入表示和二级质谱的嵌入表示作为输入迭代训练一个感知器模型；使用训练完成的一系列感知器模型进行代谢物分子指纹的预测；使用预测的代谢物分子指纹同代谢物结构数据库中的代谢物分子指纹进行匹配，完成代谢物鉴定。
-
公开(公告)号：CN115804572B
公开(公告)日：2023-05-26
申请号：CN202310071071.X
申请日：2023-02-07
Applicant: 之江实验室
Abstract: 本发明公开了一种癫痫发作自动监护系统及装置，包括：脑电采集模块、脑电数据预处理模块、脑电数据特征提取模块、痫样脑电检测模块、视频采集模块、视频特征提取模块、癫痫发作检测模块、患者保护模块；本发明提出的癫痫发作自动监护系统同时分析脑电和视频信息，可以更加精准的检测患者是否发作癫痫；先分析脑电信号，当脑电信号检测出痫样脑电时再分析视频数据，可以在不降低检测精度的前提下极大的降低计算量；通过同时分析脑电和视频信息，仅在患者癫痫发作且发生肢体大幅移动时才控制束缚带限制患者，一方面可以尽可能的减少对患者未发作癫痫时的正常活动的影响，另一方面尽可能的保护患者在癫痫发作时出现意外的情况发生，减少陪护的负担。
-
公开(公告)号：CN116072298A
公开(公告)日：2023-05-05
申请号：CN202310358985.4
申请日：2023-04-06
Applicant: 之江实验室
IPC: G16H50/30 , G16H50/70 , G16H10/60 , G06F18/214 , G06F18/22 , G06F18/2413 , G06F18/2431 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于层级标记分布学习的疾病预测系统，包括数据采集及分类模块，用于采集多位患者的电子病历数据；特征嵌入模块，用于将患者基本信息、病史等信息以特征向量的形式进行模型训练；标记增强模块，用于挖掘患者特征与疾病、患者特征之间、疾病之间的相关性，从而以标记分布来更为全面的反应患者的患病风险程度；层级标记分布学习模块，用于根据采集到的数据进行模型训练，使得模型可以根据患者的疾病信息对其未来的患病风险做出预测；预测结果展示模块，用于展示患者未来可能患病风险。本发明利用疾病之间的层级关系，考虑不同类别间的关联性、相同类别下疾病的关系、不同类别下疾病的关系等，提升模型的预测准确度以及鲁棒性。
-
公开(公告)号：CN115762813B
公开(公告)日：2023-04-18
申请号：CN202310029070.9
申请日：2023-01-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于患者个体知识图谱的医患交互方法及系统，包括：图谱构建模块：用于获取患者个体医疗健康图谱；图谱可视化模块：用于将所述患者个体医疗健康图谱可视化、展示及应用；交互数据采集模块：用于采集数据；交互数据分析模块：获取患者兴趣、操作效率和/或满意度信息；报告生成与反馈模块：用于生成诊疗全过程记录报告、患者就诊报告和系统使用报告。本发明为医患沟通过程建立视觉、听觉等多方位的交互渠道；通过提供可视化的诊疗参考文档，引导患者积极主动参与诊疗过程；提供包含诊疗过程记录与后续检查检验、治疗建议的易理解的诊疗报告，为患者后续检查检验、用药、手术等长期生活与治疗提供参考，也有利于医疗服务质量控制。
-
公开(公告)号：CN115719647B
公开(公告)日：2023-04-11
申请号：CN202310029096.3
申请日：2023-01-09
Applicant: 之江实验室
Abstract: 本发明公开了融合主动学习和对比学习的血透并发心血管疾病预测系统，包括：血透数据准备模块，用于利用医院电子信息系统和日常监测设备提取患者样本的结构化数据，并对所述结构化数据处理得到扩增结构化数据；血透并发心血管疾病风险预测模块，用于构建风险评价模型，将所述扩增结构化数据通过所述风险评价模型训练学习得到患者表征和评分，并利用所述患者表征和评分进行血透并发心血管疾病风险预测。本发明解决正负样本匹配问题，利用血透并发心血管疾病的真实标签数据，迭代式地更新对比学习模型参数，利用真实的并发症结果标签提升模型性能；解决采集的样本过少或者阳性样本和阴性样本数量不平衡的问题，同时减少扩增数据与原始数据的差异性。
-
Patent Agency Ranking
公开(公告)号：CN115456918B
公开(公告)日：2023-03-24
申请号：CN202211414188.5
申请日：2022-11-11
Applicant: 之江实验室
IPC: G06T5/00 , G06T5/10 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于小波高频通道合成的图像去噪方法及装置，将图像数据拓展到若干频域通道，经过噪声排序算法选取“低噪”若干通道和“高噪”若干通道，结合降噪网络子模块和基于风格迁移的合成网络子模块，实现图像数据去噪。图像数据使用离散小波包变换将原始数据和真值数据扩展到若干频域子通道，并分为“低噪组”小波包系数和“高噪组”小波包系数。对于低噪组，本发明搭建基于残差学习的卷积神经网络的降噪子模块，对于高噪组，搭建基于风格迁移网络的合成子模块，最后通过小波包反变换重建原始数据。本发明有效解决了图像数据在常规去噪算法中出现的“模糊”和“细节丢失”问题，在“多噪”和“高维”图像数据中表现尤为明显。
-
公开(公告)号：CN115424741B
公开(公告)日：2023-03-24
申请号：CN202211361950.8
申请日：2022-11-02
Applicant: 之江实验室
Abstract: 本发明公开了一种基于因果发现的药物不良反应信号发现方法及系统。本发明利用电子病历数据发现药物不良反应信号的过程中引入因果关系，最大化的保留真实世界电子病历数据中的数据维度，构建包含因果效应的贝叶斯网络结构，以及同时对用药干预和不良事件发生产生作用的混杂因素集。混杂因素集构建方法从数据出发，无需人工接入和先验知识，最大程度保留真实世界中存在的混杂因素，基于这些混杂因素构建用药干预组与对照组，模拟随机对照实验，使得组间不良反应发生情况的对比具有因果意义，进而生成具有因果关系的药物不良反应信号，在临床指导中具有重要价值。
-
公开(公告)号：CN115359870B
公开(公告)日：2023-03-24
申请号：CN202211287887.8
申请日：2022-10-20
Applicant: 之江实验室
IPC: G16H10/60 , G16H50/20 , G16H50/70 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于层次图神经网络的疾病诊疗过程异常识别系统，包括数据采集模块、数据预处理模块、层次图神经网络构建模块、诊疗过程异常评分计算模块和诊疗过程异常识别应用模块。本发明提出层次图神经网络模型构建和训练方法，对复杂的纵向电子病历数据进行建模分析，实现对时序信息和共现信息的融合利用；本发明将疾病诊疗过程异常分为诊疗事件异常、就诊异常和患者异常三个层次，由低层次、细粒度的诊疗事件层次到高层次、粗粒度的患者层次，设计诊疗过程异常的分层量化和综合评价方法，并给出诊疗过程异常的分类方法，精确定位异常具体发生在哪次就诊哪个诊疗步骤。
-
公开(公告)号：CN115424696B
公开(公告)日：2023-02-03
申请号：CN202211374618.5
申请日：2022-11-04
Applicant: 之江实验室
IPC: G16H20/10 , G06N3/08 , G06N3/0464 , G06F40/30
Abstract: 本发明公开了一种基于迁移学习的中医罕见病中药处方生成方法和系统，包括以下步骤：步骤S1：得到中医知识学习模型；步骤S2：基于多头自注意力机制的LSTM模型生成对应的中药名序列；步骤S3：得到中药剂量生成模型；步骤S4：将所述中药名序列和所述特征数据集合并作为所述中药剂量生成模型的输入，依次生成每味中药推荐的剂量，最终生成完整的中药处方。本发明使用两段式迁移学习算法，以自建中医语料库为基础，训练中医领域的中医知识学习模型，使用中医临床罕见病例对中医知识学习模型进行修正。本方法模拟了中医医生的学习过程，其生成的中药处方也将更加契合患者的病情，充分利用了医生在临床诊疗过程中产生的经验性知识。
-
公开(公告)号：CN115423894B
公开(公告)日：2023-02-03
申请号：CN202211375033.5
申请日：2022-11-04
Applicant: 之江实验室
IPC: G06T11/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于变分自编码器的磁共振加权图像合成方法和装置，包括以下步骤：步骤S1：使用磁共振扫描仪获取多对比度的真实磁共振加权图像及磁共振定量参数图；步骤S2：组成磁共振加权图像；步骤S3：构建具有编码器和解码器结构的预训练变分自编码器模型；步骤S4：得到变分自编码器模型；步骤S5：将所述磁共振加权图像和所述磁共振定量参数图通过所述变分自编码器模型合成第二磁共振加权图像。本发明使用变分自编码器模型，通过多种对比度磁共振加权图像的训练，可以得到一个近似的对比度信息的连续分布，这使得本发明中涉及的变分自编码器模型可以重建得到训练数据中不存在的磁共振加权图像。
-
-
-
-
-
-
-
-
-
Search Results
401
records
(took 0.026 seconds)
