-
公开(公告)号：CN116779095B
公开(公告)日：2024-09-03
申请号：CN202310471305.X
申请日：2023-04-27
Applicant: 西南交通大学
Abstract: 本发明公开了一种知识数据双驱动的合理用药预测方法，包括获取原始数据，将原始数据按照预设方式进行预处理；对预处理后的数据集按照不同的数据类型进行编码；利用机器学习模型对表征数据进行训练；获取合理用药的专家知识，构建可视化知识图谱；采用基于路径推理的方式对可视化知识图谱进行推理，得到知识驱动的合理用药预测模型；将数据驱动的合理用药预测模型与知识驱动的合理用药预测模型进行融合，得到知识数据双驱动的合理用药预测模型，进行可解释性合理用药预测。本发明基于多维度特征数据，能够提高对该患者的药物选择以及药物剂量预测的准确性和鲁棒性；采用的数据与知识双驱动的方式，能有效提高合理用药方案的可信度。
-
公开(公告)号：CN115251939A
公开(公告)日：2022-11-01
申请号：CN202210706581.5
申请日：2022-06-21
Applicant: 西南交通大学
Abstract: 本发明提供了一种微觉醒检测方法、装置、设备及可读存储介质，所述方法包括：获取原始数据，将所述原始数据按照预设时间长度进行片段划分，得到多个第一数据；对所述第一数据进行去噪，得到去噪后的第一数据，提取所述去噪后的第一数据的浅层特征，得到浅层特征；利用集合经验模态分解对所述第一数据进行分解，得到模态分量序列；基于每一个所述第一数据对应的浅层特征和所述模态分量序列对深度神经网络模型进行训练，得到训练后的深度神经网络模型；利用所述训练后的深度神经网络模型检测用户的睡眠状态。在训练后的深度神经网络模型的基础上只需要依赖单一心电信号即可实现睡眠状态的有效判别，因此本发明具有成本低和应用价值高的优点。
-
Patent Agency Ranking
公开(公告)号：CN114528944A
公开(公告)日：2022-05-24
申请号：CN202210169875.9
申请日：2022-02-24
Applicant: 西南交通大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F40/30 , G06F40/284 , G06F40/211
Abstract: 本发明提供了一种医疗文本编码方法、装置、设备及可读存储介质，所述方法包括：获取第一文档集合；基于临床文档，利用词嵌入技术生成词嵌入矩阵；基于临床文档、词嵌入矩阵和卷积神经网络得到上层序列向量；基于上层序列向量和词嵌入矩阵得到每个临床文档所对应的句子向量；基于每个临床文档所对应的句子向量得到初步的分类器；基于第一文档集合和临床文档所对应的句子向量得到最终的分类器，使用最终的分类器对临床文档进行ICD编码。本发明关注了罕见疾病编码，提高了编码员对罕见病的重视。并且本发明能够自动抽取特征，不依赖手工特征，对不同医生的书写风格进行了缓和，可以减少研究时间和减少匹配错误。
-
公开(公告)号：CN117672541A
公开(公告)日：2024-03-08
申请号：CN202311542749.4
申请日：2023-11-17
Applicant: 西南交通大学
IPC: G16H50/70 , G06F40/30 , G06F18/214 , G06F18/2415
Abstract: 本发明公开了一种应用于医疗文本的疾病分类多任务学习方法，包括以下步骤：S1、对医疗文本使用词嵌入技术得到词嵌入矩阵，并使用文本编码器从词嵌入矩阵中获得医疗文本的语义信息；S2、根据词嵌入矩阵和医疗文本的语义信息获得医疗文本的标签参数；S3、根据医疗文本的标签参数计算最终损失函数；S4、通过多任务学习方式最小化最终损失函数，使用最小化的最终损失函数对分类模型进行训练；S5、使用训练好的模型对待分类的医疗文本进行分类，完成医疗文本的疾病分类，本方法无需手动进行特征选择，还建立了标签之间的依赖关系。
-
公开(公告)号：CN116779095A
公开(公告)日：2023-09-19
申请号：CN202310471305.X
申请日：2023-04-27
Applicant: 西南交通大学
Abstract: 本发明公开了一种知识数据双驱动的合理用药预测方法，包括获取原始数据，将原始数据按照预设方式进行预处理；对预处理后的数据集按照不同的数据类型进行编码；利用机器学习模型对表征数据进行训练；获取合理用药的专家知识，构建可视化知识图谱；采用基于路径推理的方式对可视化知识图谱进行推理，得到知识驱动的合理用药预测模型；将数据驱动的合理用药预测模型与知识驱动的合理用药预测模型进行融合，得到知识数据双驱动的合理用药预测模型，进行可解释性合理用药预测。本发明基于多维度特征数据，能够提高对该患者的药物选择以及药物剂量预测的准确性和鲁棒性；采用的数据与知识双驱动的方式，能有效提高合理用药方案的可信度。
-
公开(公告)号：CN116486990A
公开(公告)日：2023-07-25
申请号：CN202310468420.1
申请日：2023-04-27
Applicant: 西南交通大学
Abstract: 本发明提供了一种基于集成学习的药物反应可解释分析方法，所述方法包括：获取原始数据，将所述原始数据进行抽取和向量化编码，得到第一数据；所述第一数据来源不同数据表，按照时间戳进行整合，得到训练数据；将训练数据输入集成学习模型进行训练，利用模型解释算法解释集成学习模型，得到重要特征集；将所述重要特征集输入集成学习模型进行训练，利用模型解释算法解释药物反应。本发明利用生成重要特征集解决了药物反应分析数据模式复杂的问题，同时针对药物反应结局进行可解释分析，增强了模型的可信度，为药物反应分析提供有利依据，因此具有较高的应用价值。
-
公开(公告)号：CN111859425B
公开(公告)日：2023-04-18
申请号：CN202010704986.6
申请日：2020-07-21
Abstract: 本发明公开了一种基于属性的通配符可搜索加密方法，涉及数据安全领域，该方法包括：系统初始化，生成系统公开参数和主密钥；根据系统公开参数、主密钥和用户属性集合，为注册用户生成属性私钥；颁发属性私钥的数据拥有者，生成文件相关密文和文件关键词索引，并上传至云服务器；颁发属性私钥的数据用户，提出搜索请求，生成含有通配符的关键词的搜索陷门，并发送给云服务器；云服务器将搜索陷门与文件关键词索引进行匹配，执行搜索运算，并将搜索结果返回给数据用户。本方法采用多项式方程和字符定位技术，实现通配符搜索，支持通配符代替多个字符，能够对文件制定细粒度的访问控制，不会暴露通配符的位置信息，安全性高。
-
-
-
-
-
-
Search Results
17
records
(took 0.016 seconds)
