-
公开(公告)号:CN119225605A
公开(公告)日:2024-12-31
申请号:CN202411432710.1
申请日:2024-10-14
Applicant: 北京大学 , 北京大学重庆大数据研究院 , 北京无疆脑智科技有限公司
IPC: G06F3/04845 , G06F3/16 , G06N3/0442 , G06N3/08
Abstract: 本申请公开了一种数据处理设备及方法、非易失性存储介质、电子设备。其中,该设备包括:人机交互装置,用于展示人机交互界面,其中,人机交互界面中包括:按照第一预设时间间隔显示的目标图形;声音释放装置,用于接收并响应于声音释放指令,以按照第二预设时间间隔释放目标声音;采集装置,获取多个测试对象中的每个测试对象在测试时间内,于人机交互界面中输入的响应于目标图形的第一点击行为,以及响应于目标声音的第二点击行为;处理器,用于将第一点击行为以及第二点击行为确定为深度学习模型的训练样本。本申请解决了由于相关技术未选择适合的训练数据,作为用于评估注意缺陷多动障碍模型的训练数据,造成的模型预测精度较低的技术问题。
-
公开(公告)号:CN119049643A
公开(公告)日:2024-11-29
申请号:CN202411034223.X
申请日:2024-07-30
Applicant: 北京大学 , 北京大学重庆大数据研究院
Abstract: 本发明公开了一种处方数据处理方法、装置、非易失性存储介质及电子设备。其中,该方法包括:获取目标对象的临床诊断数据;在预设药物数据库中查询与临床诊断数据具有治疗关系的至少一个预设药物,其中,预设药物数据库通过记录至少一个预设药物的药物数据,三元组至少包括:与预设药物具有治疗关系的临床诊断数据,和与预设药物具有计量用法关系的预设剂量用法数据;在至少一个预设药物中选择至少一个目标药物,并在预设药物数据库中查询与目标药物具有剂量用法关系的目标剂量用法数据;依据至少一个目标药物和目标剂量用法数据,生成目标对象的处方数据。本发明解决了现有技术无法确保处方安全性的技术问题。
-
公开(公告)号:CN117435993A
公开(公告)日:2024-01-23
申请号:CN202311443629.9
申请日:2023-11-01
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06F18/2415 , A61B5/369 , G06F18/213 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种基于数据增强和对抗优化的跨病人癫痫脑电信号分类方法,属于癫痫检测技术领域,解决了现有技术中癫痫跨病人脑电信号分类方法准确率和效率低的问题。方法包括以下步骤:获取脑电信号片段,对其中的癫痫发作期脑电信号片段进行数据增强,基于数据增强后的脑电信号片段构建训练样本集;构建跨病人癫痫脑电信号分类模型,采用对抗优化策略基于所述训练样本集对所述跨病人癫痫脑电信号分类模型进行训练,得到训练好的跨病人癫痫脑电信号分类模型;将待分类脑电信号输入训练好的跨病人癫痫脑电信号分类模型得到待分类脑电信号的分类结果。实现了快速准确的跨病人癫痫患者脑电信号分类。
-
公开(公告)号:CN115631852B
公开(公告)日:2024-04-09
申请号:CN202211363166.0
申请日:2022-11-02
Applicant: 北京大学重庆大数据研究院
IPC: G16H50/20 , G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种证型推荐方法、装置、电子设备及非易失性存储介质。其中,该方法包括:获取原始文本信息,其中,原始文本信息包括:问诊文本信息和病历文本信息;依据预训练模型,对原始文本信息进行向量化处理,得到目标向量数据,其中,目标向量数据包括:问诊向量数据和病历向量数据;采用第一神经网络对病历向量数据进行特征提取,得到第一特征数据,以及采用第二神经网络对问诊向量数据进行特征提取,得到第二特征数据;依据第一特征数据和第二特征数据,确定目标证型。本申请解决了由于目前的中医辨证系统大多未采用自然语言处理技术,造成辨证系统的证型推荐准确率差的技术问题。
-
公开(公告)号:CN115631851A
公开(公告)日:2023-01-20
申请号:CN202211362544.3
申请日:2022-11-02
Applicant: 北京大学重庆大数据研究院
IPC: G16H50/20 , G06F16/33 , G06F16/35 , G06F40/242 , G06F40/289 , G06F40/30 , G06F18/2415 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
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:获取原始文本信息,其中,原始文本信息包括:问诊文本信息、疾病信息及证候信息;依据预训练模型,对原始文本信息进行向量化处理,得到目标向量数据,其中,目标向量数据包括:问诊向量数据、疾病词向量、证候词向量;依据目标神经网络,对问诊向量数据进行特征提取,得到问诊特征数据,其中,问诊向量数据为对问诊文本信息进行向量化处理后得到的目标向量数据;依据疾病词向量、证候词向量以及问诊特征数据,确定目标处方。本申请解决了由于目前的中医论治系统大多未采用自然语言处理技术,造成论治系统的处方推荐准确率差的技术问题。
-
公开(公告)号:CN115631852A
公开(公告)日:2023-01-20
申请号:CN202211363166.0
申请日:2022-11-02
Applicant: 北京大学重庆大数据研究院
IPC: G16H50/20 , G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种证型推荐方法、装置、电子设备及非易失性存储介质。其中,该方法包括:获取原始文本信息,其中,原始文本信息包括:问诊文本信息和病历文本信息;依据预训练模型,对原始文本信息进行向量化处理,得到目标向量数据,其中,目标向量数据包括:问诊向量数据和病历向量数据;采用第一神经网络对病历向量数据进行特征提取,得到第一特征数据,以及采用第二神经网络对问诊向量数据进行特征提取,得到第二特征数据;依据第一特征数据和第二特征数据,确定目标证型。本申请解决了由于目前的中医辨证系统大多未采用自然语言处理技术,造成辨证系统的证型推荐准确率差的技术问题。
-
公开(公告)号:CN118737430A
公开(公告)日:2024-10-01
申请号:CN202410729239.6
申请日:2024-06-06
Applicant: 北京大学第一医院(北京大学第一临床医学院)
IPC: G16H50/20 , G16H50/30 , G16B15/30 , G16B50/30 , G16B40/00 , G06F18/24 , G06F18/214 , G06N5/01 , G06N20/00
Abstract: 本发明提供了一种VHL综合征肾癌预测模型的构建方法、设备、介质和程序产品,还公开一种基于DAMs预测VHL综合征肾癌的方法、设备、介质和程序产品,基于DAMs预测非肾器官疾病的方法、设备、介质和程序产品,涉及智能医疗领域。通过标志物DAMs来预测受试者患有VHL综合征肾癌和非肾器官疾病的风险高低,加强疾病早期诊断方案和完善风险评估策略。
-
公开(公告)号:CN118538425B
公开(公告)日:2024-10-29
申请号:CN202410729243.2
申请日:2024-06-06
Applicant: 北京大学第一医院(北京大学第一临床医学院)
Abstract: 本发明公开了一种VHL综合征肾癌的诊断模型及其应用,本发明提供了一种能够诊断或预测VHL患者是否为VHL综合征肾癌的代谢物的组合及其应用与方法,进一步包括相关的产品、诊断/预测模型,具体的代谢物包括PC(16:0/16:0)、Cysteine‑S‑sulfate、gamma‑Glutamylalanine、1‑deoxy‑1‑(N6‑lysino)‑D‑fructose、Montecristin、PE(22:4(7Z,10Z,13Z,16Z)/14:0)、PC(16:1(9Z)/P‑18:1(11Z))、1‑Kestose、N2‑gamma‑Glutamylglutamine、N2,N2‑Dimethylguanosine。
-
公开(公告)号:CN118538425A
公开(公告)日:2024-08-23
申请号:CN202410729243.2
申请日:2024-06-06
Applicant: 北京大学第一医院(北京大学第一临床医学院)
Abstract: 本发明公开了一种VHL综合征肾癌的诊断模型及其应用,本发明提供了一种能够诊断或预测VHL患者是否为VHL综合征肾癌的代谢物的组合及其应用与方法,进一步包括相关的产品、诊断/预测模型,具体的代谢物包括PC(16:0/16:0)、Cysteine‑S‑sulfate、gamma‑Glutamylalanine、1‑deoxy‑1‑(N6‑lysino)‑D‑fructose、Montecristin、PE(22:4(7Z,10Z,13Z,16Z)/14:0)、PC(16:1(9Z)/P‑18:1(11Z))、1‑Kestose、N2‑gamma‑Glutamylglutamine、N2,N2‑Dimethylguanosine。
-
公开(公告)号:CN117216392A
公开(公告)日:2023-12-12
申请号:CN202311206930.8
申请日:2023-09-19
Applicant: 北京大学
IPC: G06F16/9535 , G06F16/9536 , G06F18/15 , G06F18/214 , G06F18/21
Abstract: 本发明涉及一种基于缺失数据填补的推荐方法,属于推荐技术领域,解决了现有技术中缺乏完全随机性下的无偏估计,推荐结果不准确的问题。方法包括以下步骤:获取用户数据、物品数据,以及观测到的用户对物品的评价数据,构建训练样本集;构建平衡增强数据插补模型和评价预测模型,基于所述训练样本集对所述平衡增强数据插补模型和评价预测模型进行联合训练,得到训练好的评价预测模型;基于训练好的评价预测模型对未观测到的用户对物品的评价数据进行预测,基于用户对物品的评价数据进行推荐。实现了精准推荐。
-
-
-
-
-
-
-
-
-