-
公开(公告)号：CN115937609A
公开(公告)日：2023-04-07
申请号：CN202211744277.6
申请日：2022-10-31
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/762 , G06V10/80 , G06V10/40 , G06V10/26 , G06V10/10 , G06V10/82 , G06N3/048 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于局部和全局信息的角膜病图像检测分类方法及装置，该方法包含：对图像进行分割获得超像素病灶区域集合；提取局部特征与全局特征；获得结合局部、全局信息的超像素病灶区域特征表示；利用结合了局部特征的全局主体特征进行分类训练，对角膜病裂隙灯图像做出预测；对超像素病灶区域进行无监督聚类与类别表示，并对角膜病裂隙灯图像中的异常病灶区域进行可视化展示。本发明的基于局部和全局信息的角膜病图像检测分类方法及装置，可以有效的抽取裂隙灯图像的全局特征与病灶区域局部特征，并进行异常区域的特征融合，实现图像的分类及异常区域显示。
-
公开(公告)号：CN112329921A
公开(公告)日：2021-02-05
申请号：CN202011253328.6
申请日：2020-11-11
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度表征学习和强化学习的利尿剂剂量推理设备，包含：利尿剂剂量推理单元和数据输入单元；利尿剂剂量推理单元包括：利尿剂剂量推荐模块；环境仿真模块；奖赏模块；对抗模块；数据输入单元用于向利尿剂剂量推理单元输入训练数据集对利尿剂剂量推理单元进行训练及向训练好的利尿剂剂量推理单元输入待预测的个体状态以得到预测结果。本发明的基于深度表征学习和强化学习的利尿剂剂量推理设备，利尿剂剂量推理模块、环境仿真模块、奖赏模块和对抗模块相结合，充分利用和医生不一致但相似的干预措施，且能够充分考虑到治疗进程中的动态时序性，利用鉴别器来解决推荐中反事实缺失的问题，提高推荐的性能，保证推荐的合理性。
-
公开(公告)号：CN111882066A
公开(公告)日：2020-11-03
申请号：CN202010719276.0
申请日：2020-07-23
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度表征学习的反事实推理设备，包含：基于深度表征学习的反事实推理模型单元和数据输入单元；反事实推理模型单元包括深度表征学习模块、正交损失模块、治疗策略预测模块、治疗策略预测对抗性模块和治疗效果预测模块；数据输入单元向模型单元输入训练数据集对其进行训练；数据输入单元向训练好的模型单元输入待预测的个体状态以得到预测结果。本发明的基于深度表征学习的反事实推理设备，通过治疗策略预测模块、治疗策略预测对抗性模块和正交损失模块的结合，使得表征学习模块中输出的表征ht，hy分别只与治疗策略和治疗效果相关，去掉了其中的混淆性因素，使基于表征hy的治疗效果预测模块能更加准确和科学地预测治疗效果。
-
公开(公告)号：CN101022338A
公开(公告)日：2007-08-22
申请号：CN200710067569.X
申请日：2007-03-14
Applicant: 浙江大学
Abstract: 本发明公开了一种具有电子签名的标准多媒体电子病历文档编辑管理系统，由支持电子签名的标准多媒体电子病历文档编辑器、电子病历Web Service应用服务、电子病历文档库组成。标准多媒体电子病历文档编辑器包括多媒体文档编辑组件、支持标准术语的结构化数据录入组件和电子签名应用组件。本发明通过添加电子签名应用组件，实现了对电子病历文档进行电子签名，满足临床部分签名、多人签名等应用场景需求，保证了电子病历文档的真实性、完整性和不可抵赖性。
-
公开(公告)号：CN118507043A
公开(公告)日：2024-08-16
申请号：CN202410462748.7
申请日：2024-04-17
Applicant: 浙江大学
IPC: G16H50/30 , G16H50/20 , G16H50/70 , G16H70/20 , G16H80/00 , G06F16/332 , G06F11/36 , G06N5/01 , G06N5/022 , G06N5/04
Abstract: 本发明公开了一种大模型构建的基于诊断决策树的疾病风险评估系统，包含：疾病风险评估决策树知识库；交互模块，用于对患者主动问诊；动作模块，用于接收来自患者的回复，结合意图理解功能分析语义并输出动作信号；评估模块，用于查询决策树知识库，构建交互功能模块的提示模版，并处理动作模块的动作信号输出。本发明的大模型构建的基于诊断决策树的疾病风险评估系统，将诊断决策树运用于医患对话的主动式问诊场景，给出疾病风险评估结果；并利用大模型的语言交互能力与意图理解能力，依据患者回复意图执行不同的动作，构建真实场景下自动化的疾病风险评估系统。
-
Patent Agency Ranking
公开(公告)号：CN118333107B
公开(公告)日：2024-08-06
申请号：CN202410772052.4
申请日：2024-06-16
Applicant: 浙江大学
IPC: G06N3/0455 , G06N3/0895 , G06N3/0475 , G06N3/094 , G16H80/00 , G06N3/0985
Abstract: 本发明公开了一种基于扩散模型的PPG生成ECG跨模态生成方法，包含：获取ECG、PPG配对数据集；使用时序数据转图像数据的方法将ECG和PPG数据转化为图像数据；构建深度学习模型；对深度模型进行第一阶段训练，训练VQGAN模型和CLIP模型，以及第二阶段训练，训练扩散模型；定义总损失函数；使用超参数搜索，在训练集上采用不同的超参数组合进行训练，并在验证集上验证其性能，挑选出最佳超参数组合，在测试集上测试采取最佳超参数训练的深度学习模型。本发明的基于扩散模型的PPG生成ECG跨模态生成方法，能够有效地从PPG信号生成高质量的ECG信号，提升了信号生成的准确性和可靠性。
-
公开(公告)号：CN112329921B
公开(公告)日：2023-11-14
申请号：CN202011253328.6
申请日：2020-11-11
Applicant: 浙江大学
IPC: G06N3/042 , G06N3/0985 , G06N3/092 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G16H20/10 , G16H70/40
Abstract: 本发明公开了一种基于深度表征学习和强化学习的利尿剂剂量推理设备，包含：利尿剂剂量推理单元和数据输入单元；利尿剂剂量推理单元包括：利尿剂剂量推荐模块；环境仿真模块；奖赏模块；对抗模块；数据输入单元用于向利尿剂剂量推理单元输入训练数据集对利尿剂剂量推理单元进行训练及向训练好的利尿剂剂量推理单元输入待预测的个体状态以得到预测结果。本发明的基于深度表征学习和强化学习的利尿剂剂量推理设备，利尿剂剂量推理模块、环境仿真模块、奖赏模块和对抗模块相结合，充分利用和医生不一致但相似的干预措施，且能够充分考虑到治疗进程中的动态时序性，利用鉴别器来解决推荐中反事实缺失的问题，提高推荐的性能，保证推荐的合理性。
-
公开(公告)号：CN116258679A
公开(公告)日：2023-06-13
申请号：CN202310004631.X
申请日：2023-01-03
IPC: G06T7/00 , G06V10/764 , G06N3/08 , G06V10/82
Abstract: 本说明书公开了一种信息推荐方法、装置、存储介质及电子设备，本说明书实施例在获取针对用户的病灶部位所采集的图像之后，将图像输入到分类模型中，通过分类模型确定出各特征数据，并确定每个特征数据归属于每种症状的概率。基于每个特征数据归属于每种症状的概率和每个特征数据，确定每种症状对应的症状特征。将每种症状对应的症状特征进行拼接得到综合症状特征，并基于综合症状特征识别出用户所患的疾病。在此方法中，可以将病灶处的各症状进行解耦，得到每种症状的症状特征，再基于每种症状的症状特征确定出患者所患的疾病，这样可以有效提高对相似症状的疾病进行分类的准确性。
-
公开(公告)号：CN115938566A
公开(公告)日：2023-04-07
申请号：CN202211540730.1
申请日：2022-12-02
Applicant: 浙江大学
Abstract: 本发明公开了一种基于知识引导的疾病辅助诊断系统，包含：临床疾病知识库；获取模块，获取患者主诉文本、所患疾病知识文本和非所患疾病知识文本对应的显式表征向量；堆叠自编码器，得到对应的隐式表征向量和重建表征向量；KL损失模块，修正患者主诉文本的隐式表征向量；疾病诊断模块，通过修正患者主诉文本的隐式表征向量进行训练。本发明的基于知识引导的疾病辅助诊断系统，将基于患者主诉等临床文本建模的模型范式扩展至同时基于患者主诉临床文本和标签临床知识文本建模的模型范式，有效的结合临床疾病的领域知识，设计有效的文本显式表征、隐式表征挖掘方法，构建多任务损失函数，实现了对患者主诉短文本数据的快速精准分类。
-
公开(公告)号：CN113539517A
公开(公告)日：2021-10-22
申请号：CN202110898099.1
申请日：2021-08-05
Applicant: 浙江大学
Abstract: 本发明公开了一种时序干预效果的预测方法，包含：获取数据集；构建深度学习模型；同一输入在两个循环神经网络单元形成的两个深度表征组成一对，在其上施加正交化约束；定义总损失函数，对其进行最小化以实现模型的训练优化；采用不同的超参数组合在所述训练集上训练，并在所述验证集上验证其性能，挑选出最佳超参数组合，在测试集上测试采取最佳超参数训练的所述深度学习模型，得到预测的干预效果。本发明的预测方法，通过多任务学习策略利用两个循环神经网络单元分别学习干预措施和干预效果相关表征，并通过正交化约束消除造成选择偏误的混杂因子，最终训练得到时序上的解耦表征，并用于时序干预效果预测。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.021 seconds)
