-
公开(公告)号：CN119028430A
公开(公告)日：2024-11-26
申请号：CN202411106125.2
申请日：2024-08-13
Applicant: 北京大学 , 北京大学重庆大数据研究院
Abstract: 本发明涉及一种基于潜在类别模型的SNP检测算法性能评估方法和系统，属于基因测序技术领域，解决了无金标准时SNP检测算法性能评估不准确的问题。方法包括，获取多个SNP检测算法的检测结果后，将检测结果整合为二分类型结果；根据所有SNP检测算法的二分类型结果，在不同假设下基于潜在类别模型评估每个SNP检测算法的灵敏度和特异度；计算不同假设下成对SNP检测算法的相关性残差，基于所述相关性残差确定最优假设，得到所述最优假设下每种算法的灵敏度和特异度排序结果。实现了准确的SNP检测算法性能评估。
-
公开(公告)号：CN118969249A
公开(公告)日：2024-11-15
申请号：CN202411044411.0
申请日：2024-07-31
Applicant: 北京大学 , 北京大学重庆大数据研究院
Abstract: 本申请公开了一种处方推荐方法、装置、电子设备及非易失性存储介质。其中，该方法包括：通过目标处方生成模型对病历信息进行编解码处理，得到与病历信息对应的第一处方；在第一处方中存在第一药物和第二药物的情况下，在第一处方中删除第一药物，得到第二处方，以及在第一处方中删除第二药物，得到第三处方；通过目标处方评价模型和病历信息，确定第二处方对应的第一评分和第三处方对应的第二评分；依据第一评分和第二评分，确定目标处方。本申请解决了由于相关技术中的处方推荐系统未引入医生的反馈结果，以及缺少对中医理论的引入，造成的处方推荐准确度差的技术问题。
-
公开(公告)号：CN118380149A
公开(公告)日：2024-07-23
申请号：CN202410804409.2
申请日：2024-06-21
Applicant: 北京大学 , 北京大学重庆大数据研究院
Abstract: 本发明涉及一种延迟反馈下的治疗效果估计方法和系统，属于医疗保健信息处理技术领域，解决了现有技术中现有异质性治疗效果的估计存在偏差的问题。方法包括：获取个体的观察数据构建训练样本集；观察数据包括协变量数据、处理方案、观察结局和观察时间；构建多任务训练网络模型，多任务训练网络模型包括用于预测潜在结局的第一预测模块和用于预测潜在响应时间的第二预测模块；基于训练样本集对多任务训练网络模型进行训练得到训练好的多任务预测网络模型；基于训练好的多任务预测网络模型预测待估计个体的潜在结局和潜在响应时间，基于潜在结局和潜在响应时间得到待估计个体的治疗效果估计结果。实现了更准确地估计异质性治疗效果。
-
公开(公告)号：CN118378134A
公开(公告)日：2024-07-23
申请号：CN202410813422.4
申请日：2024-06-24
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06F18/24 , G06F18/213 , G06F18/27 , G06N20/00 , G16H20/00
Abstract: 本发明涉及一种治疗响应者的识别方法和系统，属于医疗保健信息处理技术领域，解决了现有技术中不能准确识别治疗响应者的问题。方法包括以下步骤：获取观测样本，构建训练样本集；构建联合学习网络，基于所述训练样本集对所述联合学习网络进行联合训练，得到训练好的联合学习网络；所述联合学习网络包括特征提取模块、分类模块和回归模块；所述特征提取模块用于对训练样本进行特征提取；所述分类模块用于基于提取的特征进行治疗响应者分类；所述回归模块用于基于提取的特征进行治疗结果预测；将待识别个体的信息输入训练好的联合学习网络中得到待识别个体是否是治疗响应者的识别结果。实现了更加准确的治疗响应者的识别。
-
公开(公告)号：CN117493955B
公开(公告)日：2024-06-07
申请号：CN202311443623.1
申请日：2023-11-01
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06F18/241 , A61B5/00 , A61B5/369 , A61B5/372 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种癫痫患者的脑电信号分类模型的训练方法，属于癫痫检测技术领域，解决了现有技术中跨病人脑电信号分类方法效率和准确率低的问题。方法包括：获取癫痫患者的脑电信号片段，根据脑电信号片段构建训练样本集；构建脑电信号分类模型，所述脑电信号分类模型包括带反馈连接的脉冲神经网络、脑电信号分类器和患者身份分类器；带反馈连接的脉冲神经网络用于提取脑电信号特征；脑电信号分类器用于根据脑电信号特征进行脑电信号分类；患者身份分类器用于根据脑电信号特征进行患者身份分类；基于训练样本集对脑电信号分类模型进行训练，得到训练好的癫痫患者的脑电信号分类模型。实现了快速对癫痫患者脑电信号进行准确分类的模型。
-
Patent Agency Ranking
公开(公告)号：CN116504423B
公开(公告)日：2023-09-26
申请号：CN202310753119.5
申请日：2023-06-26
Applicant: 北京大学 , 北京大学重庆大数据研究院
Abstract: 本发明涉及一种药物有效性评估方法，属于药物有效性评估技术领域，解决了现有技术中临床试验在存在半竞争性风险的情况下，无法准确评估治疗效应发生机制的问题。收集受试者的试验数据，并确定治疗的事件路径；根据所述受试者的试验数据计算各个所述事件路径的潜在累计风险率估计量；根据所述各个所述事件路径的潜在累计风险率估计量计算主要事件的反事实累计发生率估计量，根据所述反事实累计发生率估计量确定各个所述事件路径的治疗效应。准确识别各个事件路径的治疗效应。
-
公开(公告)号：CN116504423A
公开(公告)日：2023-07-28
申请号：CN202310753119.5
申请日：2023-06-26
Applicant: 北京大学 , 北京大学重庆大数据研究院
Abstract: 本发明涉及一种药物有效性评估方法，属于药物有效性评估技术领域，解决了现有技术中临床试验在存在半竞争性风险的情况下，无法准确评估治疗效应发生机制的问题。收集受试者的试验数据，并确定治疗的事件路径；根据所述受试者的试验数据计算各个所述事件路径的潜在累计风险率估计量；根据所述各个所述事件路径的潜在累计风险率估计量计算主要事件的反事实累计发生率估计量，根据所述反事实累计发生率估计量确定各个所述事件路径的治疗效应。准确识别各个事件路径的治疗效应。
-
公开(公告)号：CN119339917B
公开(公告)日：2025-05-06
申请号：CN202411382188.0
申请日：2024-09-30
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G16H50/20 , A61B5/00 , G16H20/90 , G06F18/214 , G06F18/213 , G06F18/25 , G06F18/24 , G06N3/045 , G06N3/048 , G06N3/084 , G06F18/23 , G06F40/284
Abstract: 本发明涉及一种基于协同过滤的中医证素预测方法，属于医疗信息处理技术领域，解决了现有技术中证素预测准确性低的问题。方法包括：获取患者的症状描述信息和对应的证候及证素构建训练样本集；构建多任务神经协同过滤网络，基于所述训练样本集训练所述多任务神经协同过滤网络，得到训练好的证素预测模型；所述多任务包括证素预测任务和证候预测任务将待预测患者的症状描述信息输入训练好的证素预测模型得到患者的证素预测结果。实现了准确高效的证素预测。
-
公开(公告)号：CN119339918B
公开(公告)日：2025-04-11
申请号：CN202411382189.5
申请日：2024-09-30
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G16H50/20 , A61B5/00 , G16H20/90 , G06F18/214 , G06F18/23 , G06N3/0895 , G06N3/0455 , G06N3/048 , G06N3/084 , G06F40/284 , G06F40/30
Abstract: 本发明涉及一种基于自监督学习的中医证候预测模型预训练方法和系统，属于医疗保健信息处理技术领域，解决了现有技术中特征提取不准确的问题。方法包括以下步骤：收集患者症状描述信息，基于获取的患者症状描述信息构建症状语料库及训练样本集；基于所述症状语料库对所述训练样本集中的每条原始样本进行数据增强，生成每条原始样本对应的合成正样本和合成负样本；构建自监督学习模型，基于增强后的训练样本集对所述自监督学习模型进行预训练，得到中医证候预测预训练模型。实现了更准确的特征提取，提高后续任务的性能。
-
公开(公告)号：CN119339917A
公开(公告)日：2025-01-21
申请号：CN202411382188.0
申请日：2024-09-30
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G16H50/20 , A61B5/00 , G16H20/90 , G06F18/214 , G06F18/213 , G06F18/25 , G06F18/24 , G06N3/045 , G06N3/048 , G06N3/084 , G06F18/23 , G06F40/284
Abstract: 本发明涉及一种基于协同过滤的中医证素预测方法，属于医疗信息处理技术领域，解决了现有技术中证素预测准确性低的问题。方法包括：获取患者的症状描述信息和对应的证候及证素构建训练样本集；构建多任务神经协同过滤网络，基于所述训练样本集训练所述多任务神经协同过滤网络，得到训练好的证素预测模型；所述多任务包括证素预测任务和证候预测任务将待预测患者的症状描述信息输入训练好的证素预测模型得到患者的证素预测结果。实现了准确高效的证素预测。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.043 seconds)
