-
公开(公告)号：CN114564959B
公开(公告)日：2024-07-05
申请号：CN202210041524.X
申请日：2022-01-14
Applicant: 北京交通大学
IPC: G06F40/295 , G06F18/214 , G06N3/047 , G06N3/084 , G06N3/0455 , G06N3/09 , G16H10/60
Abstract: 本发明提供一种基于中文临床表型细粒度命名实体识别方法及系统，属于临床病历信息处理技术领域，通过自然语言预训练模型BERT进行临床文本的字符级嵌入特征抽取；利用双向长短词记忆模型BiLSTM对字符级嵌入特征和临床文本的序列特征进行整合并进行特征编码，得到标签；利用条件随机场CRF进行标签的解码预测，得到命名实体识别结果。本发明建立了用于细粒度命名实体实验的临床细粒度表型实体标准数据集，其区分了阴性症状和阳性症状，为临床分析提供更为精确的结构化数据。
-
公开(公告)号：CN117313726A
公开(公告)日：2023-12-29
申请号：CN202310978639.6
申请日：2023-08-04
Applicant: 北京交通大学
IPC: G06F40/295 , G06F40/30 , G06N5/025 , G06N20/00 , G06F18/24 , G06F40/126 , G06F18/214
Abstract: 本发明提供了一种基于联邦对比增强的异质临床病历实体抽取方法。该方法包括：各个客户端利用本地的病历数据集上对全局编码器和本地编码器进行对比学习训练，在每个客户端保存训练好的全局编码器和本地编码器；将待识别的病历文本的嵌入向量表示输入到客户端上训练好的全局编码器和本地编码器，全局编码器和本地编码器分别对病历文本的嵌入向量表示进行编码，将全局编码器和本地编码器的编码结果拼接后输入到全连接网络，再通过CRF解码器，得到所述待识别的病历文本的序列标签预测结果。本发明方法针对标签异质导致的模型结构不同，只对编码器进行联邦建模；可以在跨病种和标签异质的多机构场景下进行联邦建模，以实现有效地对病历进行标签分类。
-
公开(公告)号：CN117274274A
公开(公告)日：2023-12-22
申请号：CN202311305613.1
申请日：2023-10-10
Applicant: 北京交通大学
Abstract: 本发明提供一种基于先验知识的领域泛化医学图像分割方法及系统，属于临床智能医疗设备技术领域，在每轮训练过程中，每个客户端从中央服务器接收相同的全局模型权重，基于中心服务器端整合的先验知识，结合本地数据学习更新本地模型参数，中央服务器获取所有客户端的本地模型参数，聚合以更新全局分割模型。本发明基于领域泛化的方法，训练一个鲁捧全能模型，从多个源域中学习信息，在未知域中能够表现出良好的分割性能，而不需要额外的学习；在模型学习过程中将基于形状的先验知识融入分割向量，捕获各个源域之间丰富的域知识，缩小域差异；基于先验知识，对模型在未知域的输出进行优化，增强模型的可视化效果，计算分割结果的形态特征。
-
公开(公告)号：CN113779265A
公开(公告)日：2021-12-10
申请号：CN202111037815.3
申请日：2021-09-06
Applicant: 北京交通大学
Abstract: 本发明提供一种药症关系网络构建与概念映射方法及系统，属于药症知识图谱技术领域，构建药症知识图谱；基于药症知识图谱，结合元路径方法，构建症状关系网络；基于症状关系网络，进行子图抽取，得到关系节点子集，即为输入症状术语的子图表示。本发明提出融合中药性味归经和功效等多种信息的中药症状知识图谱构建方法，进而形成药症知识图谱；提出药症知识图谱和元路径结合的症状关系网络构建方法，进而构建出症状关系网络；提出基于子图抽取的术语表示算法，实现“未登录”术语的概念映射与特征表示。
-
公开(公告)号：CN119028533A
公开(公告)日：2024-11-26
申请号：CN202410981466.8
申请日：2024-07-22
Applicant: 北京交通大学
IPC: G16H20/90 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种变分深度生成的中医处方推荐方法及系统，属于临床智能辅助诊疗技术领域，提出了一种变分深度生成的中医处方推荐模型，包含患者表征学习和处方推荐两部分，患者表征学习模块以患者症状向量为输入，使用多层卷积网络编码器从中学习症状信息，得到患者的显式表示，然后利用高斯分布采样在显示表示的基础上融合隐式表示，使患者表示更具多样性和真实性。处方推荐包括中药概率生成模块和目标优化模块，中药概率生成模块使用多层卷积网络解码器学习患者表示，生成每个中药被推荐的概率，目标优化模块使用成对中药排序优化损失和多尺度对比损失优化模型的参数，提升模型的准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116110594A
公开(公告)日：2023-05-12
申请号：CN202211541515.3
申请日：2022-12-02
Applicant: 北京交通大学
IPC: G16H50/70 , G06F40/295
Abstract: 本发明提供一种基于关联文献的医学知识图谱的知识评价方法及系统，属于临床医学技术领域，基于远程监督，获取医学实体与文献的关联证据信息；基于显著性检验，构建医学关系与文献的关联证据信息；融合远程监督和显著性检验，基于医学实体与文献的关联证据信息、医学关系与文献的关联证据信息，构建知识‑关联文献知识图谱、文献‑文献关联图谱；基于构建的知识‑关联文献知识图谱、文献‑文献关联图谱，对获取的医学知识可靠性进行评价。本发明构建了包含文献证据的知识图谱，结合知识‑文献关联网络的进行知识可靠性评价，解决了医学知识的可靠性评价问题，为临床分析提供更准确的知识信息。
-
公开(公告)号：CN114564959A
公开(公告)日：2022-05-31
申请号：CN202210041524.X
申请日：2022-01-14
Applicant: 北京交通大学
IPC: G06F40/295 , G06K9/62 , G06N3/04 , G16H10/60
Abstract: 本发明提供一种基于中文临床表型细粒度命名实体识别方法及系统，属于临床病历信息处理技术领域，通过自然语言预训练模型BERT进行临床文本的字符级嵌入特征抽取；利用双向长短词记忆模型BiLSTM对字符级嵌入特征和临床文本的序列特征进行整合并进行特征编码，得到标签；利用条件随机场CRF进行标签的解码预测，得到命名实体识别结果。本发明建立了用于细粒度命名实体实验的临床细粒度表型实体标准数据集，其区分了阴性症状和阳性症状，为临床分析提供更为精确的结构化数据。
-
公开(公告)号：CN114530197A
公开(公告)日：2022-05-24
申请号：CN202210138174.9
申请日：2022-02-15
Applicant: 北京交通大学
IPC: G16B15/30
Abstract: 本发明提供一种基于矩阵补全的药物靶点预测方法及系统，属于生物医药技术领域，通过图卷积网络学习药物和靶点的低维特征向量，结合图卷积网络中每个药物节点或靶点节点的拓扑性质和邻域信息，捕捉非线性相互作用；利用矩阵补全的方法对学习到的药物特征和靶点特征进行关系预测，得到靶点预测结果。本发明基于图神经网络方法有效融合网络结构和节点属性信息，通过对局部表示应用多层聚合捕获更高阶的节点特征信息；进一步基于矩阵补全的方法学习原始特征隐含的抽象信息；最后将网络中中药和靶点的特征表示学习和后续的靶点预测任务结合，通过后者进一步优化特征表示，构建端到端的预测模型。
-
公开(公告)号：CN119170091A
公开(公告)日：2024-12-20
申请号：CN202410996685.3
申请日：2024-07-24
Applicant: 北京交通大学
Abstract: 本发明提供一种融合元路径语义依赖与迁移学习的证候基因关系预测方法，属于基于深度学习的生物信息处理技术领域，本发明以深度迁移学习中的双流微调结构为核心框架，通过建立两个迁移学习任务：1)源域为疾病基因预测；目标域为证候基因预测；2)源域为症状基因预测；目标域为证候基因预测，通过源域任务上的训练，迁移到目标域的证候基因预测问题上，实现目标域零样本场景下的证候基因关系预测。在迁移学习的主体网络，通过我们设计的证候知识图谱嵌入学习、元路径的语义嵌入学习、多阶元路径的嵌入聚合，实现了关系元路径的语义依赖学习，同时设计了基于张量分解的关系的预测打分，实现证候基因的预测打分。
-
公开(公告)号：CN118505682A
公开(公告)日：2024-08-16
申请号：CN202410949007.1
申请日：2024-07-16
Applicant: 天津医科大学第二医院 , 北京交通大学
Abstract: 本发明涉及医学图像处理技术领域，公开了一种用于放射性粒子植入tps的肿瘤边界勾画系统，在感兴趣区域图像上根据颜色对肿瘤区域和非肿瘤区域进行划分，计算SUV值，将SUV值与设定的肿瘤SUV阈值比对，若肿瘤区域的SUV值不在设定的肿瘤SUV阈值内说明该区域存在非肿瘤组织边界，若非肿瘤区域的SUV值在设定的肿瘤SUV阈值内说明该区域存在肿瘤组织边界，这时需要继续对当前区域进行划分并计算SUV值以及设定的肿瘤SUV阈值的比对，直到肿瘤区域中每个区域计算的SUV值均在设定的肿瘤SUV阈值内，说明当前区域为不包含非肿瘤组织边界的肿瘤区域，将该不包含肿瘤组织边界的非肿瘤区域从医学图像上分割掉。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.023 seconds)
