-
公开(公告)号：CN115206491A
公开(公告)日：2022-10-18
申请号：CN202211032142.7
申请日：2022-08-26
Applicant: 安徽讯飞医疗股份有限公司
Abstract: 本申请实施例公开了一种睡眠干预设备控制方法、装置、存储介质及计算机设备。该方法包括：获取用户基本信息、用户健康信息、实时采集的预设时间范围内的用户体征信息，根据用户体征信息中的时序体征信息、时序特征信息频域处理后的时频体征信息、统计体征信息，对用户的睡眠分期进行分类处理，得到用户所处的睡眠分期，根据用户基本信息、用户健康信息、用户体征信息和睡眠分期，确定与用户匹配的睡眠干预设备，并控制睡眠干预设备工作，如此，在确定睡眠分期后，进一步根据睡眠分期和其他信息来自动确定与用户匹配的睡眠干预设备，提高睡眠干预设备确定的准确率和效率，并自动控制睡眠干预设备工作，提高睡眠干预设备控制的准确率和效率。
-
公开(公告)号：CN114974561A
公开(公告)日：2022-08-30
申请号：CN202210489752.3
申请日：2022-05-06
Applicant: 安徽讯飞医疗股份有限公司
IPC: G16H50/20
Abstract: 本发明公开了一种辅助诊疗方法、装置以及设备，辅助诊疗方法，包括：在同一次就诊中，依据从就诊开始到当前的每个就诊阶段的诊疗信息获得该就诊阶段的第一检查和检验推荐项目；融合所有就诊阶段的第一检查和检验推荐项目，获得第一融合项目；对该第一融合项目进行审核，获得第一审核结果，将该第一审核结果作为本次就诊的最终检查和检验推荐项目。本发明通过将同一次就诊中每个就诊阶段的检查和检验推荐项目融合在一起，并通过审核将不必要的、重复的以及不适合的检查剔除出去，获得有效的检查和检验项目，提高了就诊效率。
-
公开(公告)号：CN114822830A
公开(公告)日：2022-07-29
申请号：CN202210736890.7
申请日：2022-06-27
Applicant: 安徽讯飞医疗股份有限公司
Abstract: 本申请公开了一种问诊交互方法及相关装置、电子设备、存储介质，其中，问诊交互方法包括：获取问诊参考文本，问诊参考文本至少包括目标对象输入的咨询文本和基于咨询文本预测到的系统文本，系统文本表征目标对象所患疾病所属的功能系统；基于问诊参考文本和目标症状文本，在症状文本集合确定本轮交互的若干候选症状文本，且目标症状文本包括目标对象在本轮交互之前已经选择的候选症状文本；基于目标对象在本轮交互的若干候选症状文本中所选择的候选症状文本，更新目标症状文本；重新执行基于问诊参考文本和目标症状文本，在症状文本集合确定本轮交互的若干候选症状文本的步骤以及后续步骤。上述方案，能够提升问诊交互的灵活性、准确性和适用性。
-
公开(公告)号：CN114780691A
公开(公告)日：2022-07-22
申请号：CN202210701343.5
申请日：2022-06-21
Applicant: 安徽讯飞医疗股份有限公司
IPC: G06F16/33 , G06F40/295 , G06F40/30 , G06F16/332 , G06F16/35 , G06F16/36
Abstract: 本申请公开了一种模型预训练及自然语言处理方法、装置、设备及存储介质，本申请在预训练模型过程中，获取到训练文本及所属领域的知识图谱，基于知识图谱查找训练文本中匹配的目标实体词，以及训练文本所匹配的三元组，将训练文本中目标实体词进行掩码，得到掩码后训练文本，同时，选取一目标实体词，将其中头实体词和关系词与训练文本拼接，得到拼接后训练文本，进而以预测掩码后训练文本中被掩码的目标实体词，及预测拼接后训练文本包含的目标三元组中的尾实体词为目标，训练神经网络模型，得到预训练模型。由此可见，本申请将训练文本所属领域的知识图谱中的知识融入到模型预训练过程中，促进了模型对相关领域知识的理解和掌握。
-
公开(公告)号：CN114708965A
公开(公告)日：2022-07-05
申请号：CN202210631085.8
申请日：2022-06-06
Applicant: 安徽讯飞医疗股份有限公司
Abstract: 本申请公开了一种诊断推荐方法及装置、电子设备和存储介质，其中，诊断推荐方法包括：基于深度学习模型对目标患者的关键文本进行预测，得到若干候选疾病的第一分值；且关键文本提取自目标患者的病历文本；基于逻辑回归模型将关键文本分别与各候选疾病的参考文本进行匹配，得到各候选疾病的第二分值；再基于各候选疾病的第一分值和第二分值，得到目标患者推荐诊断的最终疾病。上述方案，能够提高推荐准确率。
-
Patent Agency Ranking
公开(公告)号：CN115730569A
公开(公告)日：2023-03-03
申请号：CN202211516982.0
申请日：2022-11-29
Applicant: 安徽讯飞医疗股份有限公司
IPC: G06F40/16 , G06F40/295 , G06N3/0442 , G06N3/047 , G06N3/045 , G06N3/08 , G16H10/00
Abstract: 本发明公开了用于对医疗数据进行数据质控的方法和装置，方法包括：构建医疗数据质控规则库；使用经训练的医疗实体识别网络对所获取的医疗数据进行实体识别，以识别出所述医疗数据对应的医疗实体；以及对所识别出的医疗实体自动配置所述医疗数据质控规则库中的医疗数据质控规则，以对所述医疗数据进行数据质控。本发明采用神经网络模型自动学习医疗数据的特征，无需复杂的特征工程，并且能够自动进行质控规则的配置，无需工作人员花费大量的时间与精力进行质控规则配置，提升了大体量数据质控的效率和质量，从而可适用于大规模的数据质控。
-
公开(公告)号：CN115295162A
公开(公告)日：2022-11-04
申请号：CN202211029417.1
申请日：2022-08-25
Applicant: 安徽讯飞医疗股份有限公司
Abstract: 本申请提出一种健康风险评估方法、装置、电子设备及存储介质，方法包括：获取临床记录对应的临床记录特征；利用预先训练的关键特征提取网络，从临床记录特征提取得到临床记录特征中的关键特征；根据关键特征确定健康风险评估结果。其中，关键特征提取网络的训练是基于第一损失函数对关键特征提取网络的参数进行修正；第一损失函数通过计算样本临床记录特征中样本关键特征的先验分布与样本临床记录特征中样本关键特征的后验分布之间的差异而确定。采用本申请的技术方案，关键特征提取网络在训练过程中并未对样本进行关键特征的标注，实现了无监督的训练，提高了关键特征提取网络的训练效率，以使健康风险评估的效率提高。
-
公开(公告)号：CN115858752A
公开(公告)日：2023-03-28
申请号：CN202211539197.7
申请日：2022-12-01
Applicant: 安徽讯飞医疗股份有限公司
IPC: G06F16/332 , G06F16/35 , G06F16/33 , G06F40/289 , G06F40/30
Abstract: 本申请实施例公开了一种多语言融合的语义表示方法、装置、存储介质及设备。该方法包括：利用高资源的源语言的多个数据样本中的文本信息对至少一种低资源的目标语言进行扩充，以得到至少一种目标语言的目标文本信息，并根据每个数据样本的文本信息和至少一种目标语言的目标文本信息确定多组平行数据，利用多组平行数据对初始语义表示模型进行训练，在训练的过程中，根据初始语义表示模型对每组平行数据中的文本信息和至少一种目标语言的目标文本信息分别进行处理的处理结果，和同一个标签信息来更新初始语义表示模型，利用高资源的源语言中学到的知识优化低资源的至少一种目标语言的语义表示，提高低资源的目标语言的语义表示的准确性。
-
公开(公告)号：CN115845252A
公开(公告)日：2023-03-28
申请号：CN202211592651.5
申请日：2022-12-09
Applicant: 安徽医科大学第一附属医院 , 安徽讯飞医疗股份有限公司
Abstract: 本发明公开了一种经颅直流电刺激参数预测方法、装置以及电子设备，本发明的主要构思在于，从规避人工对电刺激参数进行调整的角度出发，提出一种基于深度学习实现对经颅直流电刺激参数进行实时预测的方案，具体地，将患者睡眠相关数据输入至预先训练得到的电刺激参数预测模型进行推理，从而实现对用于控制经颅直流电刺激设备的电刺激参数进行更为精准、可靠的预测。与现有的以患者睡眠数据及与设定的电刺激参数作为输入，预测电流在人脑上的密度分布的模型相比，本发明将电刺激参数作为模型预测的最终目标，从而免除医生需要进行手动干预的操作，达到自动实时干预的效果。
-
公开(公告)号：CN115730566A
公开(公告)日：2023-03-03
申请号：CN202211481858.5
申请日：2022-11-24
Applicant: 安徽讯飞医疗股份有限公司
IPC: G06F40/126 , G06F40/295 , G06F16/35 , G16H10/60 , G06F18/214
Abstract: 本申请实施例公开了一种医学知识提取方法、装置、存储介质及计算机设备。该方法包括：获取输入的医学文本并进行编码处理，得到医学文本中每个字的编码特征，对于医学文本中任意长度的每个子文本，通过注意力机制和每个子文本的编码特征确定每个子文本的自身特征表示，以提高每个子文本的自身特征表示的准确性，根据每个子文本的自身特征表示，确定每个子文本所属的目标实体，得到医学文本中的子文本所属的目标实体所构成的实体集合后，对于实体集合中的任意两个子文本，根据两个子文本的自身特征表示，通过多视角的上下文注意力机制，确定两个子文本所属的目标实体之间的目标关系，提高实体之间的关系确定的准确性，提高医学知识获取的准确性。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.037 seconds)
