-
公开(公告)号：CN117637095A
公开(公告)日：2024-03-01
申请号：CN202311589975.8
申请日：2023-11-27
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G16H15/00 , G16H30/20 , G06F40/216 , G06F40/284 , G06F18/23
Abstract: 本发明公开一种医学影像报告结构化处理方法和系统，包括以下步骤：步骤S1，建立医学影像自然语言模型，基于影像解剖学和诊断学，构建训练数据并训练损失函数；步骤S2，利用收集到的部分影像报告，生成基于步骤S1的自然语言模板和自适应本体学习的报告结构化模板；步骤S3，按照步骤S2中的所述报告结构化模板，对输入报告文本基于策略的自动化逐级信息提取和内容校验。医院或医疗结构使用本发明，将患者的影像数据中的报告文本进行结构化拆解，有助于医疗机构在医疗信息检索、分析、评估以及人工智能学习等功能方面扩展，可间接降低医务人员工作强度和提高医疗机构运行效率。
-
公开(公告)号：CN110399450B
公开(公告)日：2023-06-23
申请号：CN201910536642.6
申请日：2019-06-20
Applicant: 东华大学 , 上海交通大学医学院附属瑞金医院
IPC: G06F40/103 , G06F40/30 , G06F40/289 , G16H15/00 , G16H70/00
Abstract: 本发明涉及一种基于语义树的甲状腺超声报告结构化扫描方法，通过三个步骤进行实现：1)甲状腺超声文本数据预处理，包括分块分句分词、同义词替换；2)语义树定位，相应的规则结合dewey编码进行结点定位，标记，删除等不同操作；3)记录所有结点，输出结构化结果。在甲状腺超声报告中，主要关注点在于甲状腺和甲状腺病灶的病变情况，所以本发明立足于解剖学的基础构建了基于甲状腺超声领域的语义树。通过扫描报告与语义树作相应匹配，将文本报告结构化，从中提取有用信息可用于后续研究，从而更好地辅助医生进行病情诊断和治疗。
-
公开(公告)号：CN107423289A
公开(公告)日：2017-12-01
申请号：CN201710590651.4
申请日：2017-07-19
Applicant: 东华大学 , 上海交通大学医学院附属瑞金医院
CPC classification number: G06F17/277 , G06F17/271
Abstract: 本发明提供了一种跨类型乳腺肿瘤临床文档的结构化处理方法，步骤1：对乳腺肿瘤临床文档的文本进行预处理，包括：切分短文本、及对切分后的短文本进行分词；步骤2：针对分词结果，进行单类型报告的部分语料标注；步骤3：采用所述单类型报告的语料，实现跨类型实体识别；步骤4：提取出结构化结果，包括：组织、位置、特征、特征值。本发明提供的方法克服了现有技术的不足，结构化信息的提取是自动形成，节省了人力与时间，且不局限于报告类型，可以应用于不同报告的特征识别与文本结构化，解决了中文跨类型临床文档的结构化处理问题。方法实现简单，处理速度快，处理结果准确率高。
-
公开(公告)号：CN117637175A
公开(公告)日：2024-03-01
申请号：CN202311589976.2
申请日：2023-11-27
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G16H50/70 , G06F40/30 , G06F40/242 , G06F40/295 , G06N3/084 , G06N3/09
Abstract: 本发明公开基于多级语义的大模型医疗训练数据生成方法和系统,包括以下步骤，步骤1,生成多级语义，步骤2,SFT微调训练效果，步骤3,一对多的增强学习的对齐训练。本发明采用了NLP模型生成语料作为大模型的训练数据，可以实现解决医疗领域语料库和专业词典的不足。采用了多级语义的定义和应用，可以实现解决医疗数据的基本属性、特征和规则研究不足。采用了一对多的增强学习的对齐训练和损失函数的微调，可以解决其他文本生成技术泛化性弱、约束性不灵活、自适应性不高的问题。这些技术的应用将使得医疗领域的大模型训练更加有效，克服了现有技术存在的问题，提升了医疗文本处理和分析的能力。
-
公开(公告)号：CN117577254A
公开(公告)日：2024-02-20
申请号：CN202311542106.X
申请日：2023-11-17
Applicant: 上海交通大学医学院附属瑞金医院 , 上海商汤善萃医疗科技有限公司
IPC: G16H10/60 , G06F40/295 , G06F16/332 , G06F16/35 , G06N3/04 , G06N3/096
Abstract: 本发明提供了一种医疗领域语言模型构建方法，包括：采用集中注意力模型提取电子病历中的关系及识别命名实体，构建电子病历结构化样本；提供一QLM语言模型，采用通用领域的训练样本对该语言模型进行预训练，然后采用电子病历结构化样本对预训练后的语言模型进行具体任务的微调，得到电子病历文本结构化模型；采用FFN‑Prompt结构对电子病历文本结构化模型进行迁移学习，获得医疗领域语言模型。同时提供了一种基于该医疗领域语言模型实现的电子病历文本结构化方法。本发明提高电子病历文本结构化中的实体与关系抽取任务的精度以及小样本电子病历文本结构化任务的精度，大幅缓解了灾难性遗忘问题，提高电子病历文本结构化的任务性能。
-
Patent Agency Ranking
公开(公告)号：CN117557964A
公开(公告)日：2024-02-13
申请号：CN202311618960.X
申请日：2023-11-29
Applicant: 上海交通大学医学院附属瑞金医院 , 青岛美迪康数字工程有限公司
Abstract: 本发明涉及医疗信息技术领域，提供一种消化内镜洗消合规性监测方法、装置和计算机设备，该方法包括：获取单个洗消环节的洗消过程的洗消图像序列，对各个洗消环节的洗消过程的洗消图像序列进行分析，以提取各帧洗消图像中水流轮廓区域与洗消池内储水水平面的交界线，根据交界线与洗消池的标记线的轮廓区域的位置关系判定采集每一洗消图像时洗消池里的储水量是否达到预设的洗消水量阈值，若首次出现洗消池里的储水量达到洗消水量阈值的洗消图像的采集时间作为当前洗消环节的开始时间，并以此统计当前洗消环节的实际操作时间。本发明解决了现有清洗消毒追溯系统监测的洗消环节的清洗时间不准确的问题，实现了对洗消环节的实际操作时间的精确统计。
-
公开(公告)号：CN117497127A
公开(公告)日：2024-02-02
申请号：CN202311398214.4
申请日：2023-10-26
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G16H20/13 , G06N3/0455 , G06F18/214 , G06F18/2415
Abstract: 本发明公开了药物组合生成与评估的方法和系统，包括以下步骤：步骤S1，对患者药物分别进行预训练，生成患者表征向量和药物表征向量，步骤S2，生成药物组合，步骤S3，对药物组合评估。采用了上述技术方案后，与现有技术相比，具有以下有益效果：可根据患者的病情、基因型、生活方式和其他个体差异，为每位患者提供个性化的治疗方案；可警示医生和患者潜在的药物相互作用，从而避免危险的药物组合，提高治疗的安全性；通过优化药物选择，系统可以帮助医疗机构和患者降低治疗成本，避免不必要的药物开销和医疗资源浪费；医生和医疗团队可以借助推荐系统获得更多的治疗选项和信息，支持临床决策，提供更高水平的医疗护理。
-
公开(公告)号：CN110413963A
公开(公告)日：2019-11-05
申请号：CN201910594570.0
申请日：2019-07-03
Applicant: 东华大学 , 上海交通大学医学院附属瑞金医院
Abstract: 本发明涉及一种基于领域本体的乳腺超声检查报告结构化方法，包括以下步骤：对乳腺超声报告进行预处理，得到文本描述块；对得到的文本描述块基于领域本体语义树获取分支子树路径；以自顶向下、广度优先的方式，生成乳腺超声语义子树；将生成的乳腺超声语义子树转化为以表结构存储的结构化数据。本发明提高了分词的准确率，能够为更大规模的医疗数据研究提供服务。
-
公开(公告)号：CN106502982B
公开(公告)日：2019-04-09
申请号：CN201610894239.7
申请日：2016-10-13
Applicant: 东华大学 , 上海交通大学医学院附属瑞金医院
IPC: G06F17/27
Abstract: 本发明涉及非结构化中文乳腺超声文本的结构化处理方法，该方法接受由超声科医生书写的非结构化中文乳腺超声文本，输出结构化之后的超声特征及其特征值，该方法包括以下步骤：对乳腺超声文本内容按照描述规则，分别切分为描述双、左、右侧乳腺的文本短句；对切分后的文本短句进行同义词替换；对替换后的文本短句分别进行句法分析；乳腺超声特征、特征值的提取。本发明能够将非结构化的中文乳腺超声文本进行结构化处理。
-
公开(公告)号：CN119943353A
公开(公告)日：2025-05-06
申请号：CN202510090306.9
申请日：2025-01-20
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G16H50/20 , G16H50/70 , G16H20/00 , G06F16/334 , G06N5/04
Abstract: 本申请公开了一种基于大语言模型幻觉消除的医学建议获取方法、装置、设备及介质，涉及医疗技术领域，包括：根据目标对象的当前医学病情资料在预设医学知识库中进行检索，以得到关联知识点；将所述关联知识点融入至文本生成算法中，以得到补充知识点；将所述当前医学病情资料和所述补充知识点输入至目标医学大语言模型；其中，所述目标医学大语言模型基于特定医学检查机构的历史病例数据和历史推理路径获取，所述特定医学检查机构为对所述目标对象进行检查的机构；通过所述目标医学大语言模型利用所述当前医学病情资料和所述补充知识点进行思维链推导，以输出幻觉信息消除后的目标医学建议。获取准确、符合医学逻辑的医学建议。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.036 seconds)
