-
公开(公告)号：CN119943379A
公开(公告)日：2025-05-06
申请号：CN202411993041.5
申请日：2024-12-31
Applicant: 北京大学
Abstract: 本发明涉及包含时依协变量的临床多状态模型因果推断及预测方法和系统，属于状态预测技术领域，解决了现有技术中因果推断和预测可靠性低的问题。方法包括：获取观测患者的状态数据；基于观测患者的状态数据确定瞬时转移风险函数；基于瞬时转移风险函数，构建健康状态转移的累积发生函数，采用有效影响函数方法确定累积发生函数的渐近无偏估计；基于渐近无偏估计计算不同治疗方案下的目标健康状态的累积发生率，得到治疗方案对目标状态的因果效应；获取待预测患者初始时刻的状态数据，基于累积发生函数计算目标时刻待预测患者处于不同临床健康状态的累积发生率得到待预测患者的临床健康状态预测结果。实现准确的临床健康状态因果推断和预测。
-
公开(公告)号：CN119671664A
公开(公告)日：2025-03-21
申请号：CN202411636536.2
申请日：2024-11-15
Applicant: 北京大学
IPC: G06Q30/0601 , G06Q10/04 , G06F18/214 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及一种存在未观测混杂时推荐系统的增益建模方法，属于信息推荐技术领域，解决了现有技术中存在未观测混杂时不能准确估计增益的问题。方法包括：构建第一训练集和第二训练集；第一训练集中的样本为观察性研究获得的样本；第二训练集中样本为随机对照试验获得的样本；每个样本包括用户物品对特征、样本的处理方案以及用户是否购买物品的真实结局；构建预训练模型，预训练模型用于预测样本在不同处理方案下的潜在结局；基于第一训练集对预训练模型进行训练得到训练好的预训练模型；基于训练好的预训练模型构建微调模型，基于第二训练集对微调模型进行训练得到消除未观测混杂影响的增益预测模型。实现了准确无偏的增益估计。
-
公开(公告)号：CN118091060A
公开(公告)日：2024-05-28
申请号：CN202211499785.2
申请日：2022-11-28
Applicant: 北京大学
Abstract: 本发明涉及一种临床试验药物因果效用精准评价方法，属于临床试验药物评价技术领域，解决了现有技术中缺乏针对所有真实世界药物临床试验场景的统一的精准评价方法的问题。该方法包括步骤：根据关注的临床试验问题，确定伴发事件类型，建立伴发事件数据集；基于关注的临床试验问题，确定治疗干预措施属性，并建立治疗干预措施属性数据集；基于治疗干预措施数据集中的不同治疗干预措施，建立人群属性数据集；基于治疗干预措施数据集和人群属性数据集，建立潜在结局变量属性数据集；基于潜在结局变量属性数据集，建立结局变量在目标人群中有效性统计属性数据集。实现了针对所有真实世界药物临床场景，提供了一种统一的精准化的评价方法。
-
公开(公告)号：CN117257242A
公开(公告)日：2023-12-22
申请号：CN202311557824.4
申请日：2023-11-22
Applicant: 北京大学
Abstract: 本发明涉及一种癫痫分类方法和系统，属于癫痫分类技术领域，解决了现有技术中忽略个体差异分类准确性低的问题。方法包括：获取每个患者每次癫痫发作时的多通道脑电信号和对应的癫痫类型作为样本集；构建癫痫分类网络模型，基于样本集训练所述癫痫分类网络得到训练好的癫痫分类网络模型；所述癫痫分类网络模型包括：用于根据训练样本构建对应的图结构的自注意力层；用于基于训练样本和对应的图结构提取对应的深度特征的图神经网络模块；用于基于所述深度特征进行癫痫分类预测的读出层；将待识别的多通道脑电信号输入所述癫痫分类网络模型得到对应的癫痫类型。实现了更加精确的癫痫分类。
-
公开(公告)号：CN112735542A
公开(公告)日：2021-04-30
申请号：CN202110064413.6
申请日：2021-01-18
Applicant: 北京大学 , 中国中医科学院西苑医院
Abstract: 本发明涉及一种基于临床试验数据的数据处理方法，属于临床试验评估技术领域，解决了现有技术未充分消除人群异质性带来的偏差、且未充分利用数据提高推断精度的问题。该方法包括：获取临床试验中治疗组、对照组的数据样本；基于上述治疗组、对照组的数据样本，确定潜在治疗结果下的样本生存估计模型；获取所述样本生存估计模型中与治疗效果相关的协变量，根据样本生存估计模型计算获得存活个体在治疗方案下的潜在结果估计，以及个体处于存活状态的概率；根据上述存活个体在治疗方案下的潜在结果估计，以及个体处于存活状态的概率，确定存活组的平均因果作用SACE的置信区间。该方法获得的SACE的置信区间，可用于判断临床试验是否有效，推断结论准确。
-
Patent Agency Ranking
公开(公告)号：CN117892789B
公开(公告)日：2024-08-13
申请号：CN202311812694.4
申请日：2023-12-26
Applicant: 北京大学
IPC: G06N3/084 , G06N3/0499 , G06F18/10 , G06F16/9535 , G06F18/27
Abstract: 一种推荐系统预测模型的训练方法，包括以下步骤：获取推荐系统的所有用户数据、物品数据以及观测到的用户对物品的评分，基于用户数据、物品数据以及观测到的用户对物品的评分提取用户‑物品对特征，构建训练样本集；构建前馈神经网络模型，基于训练样本集中观测到评分的样本训练所述前馈神经网络模型得到噪声预测模型；构建逻辑回归模型，基于训练样本集训练所述逻辑回归模型得到倾向性模型；构建去噪误差插补模型和去噪预测模型，基于所述训练样本集、训练好的噪声预测模型和倾向性模型对去噪误差插补模型和去噪预测模型进行联合训练，得到训练好的去噪预测模型。
-
公开(公告)号：CN117710061B
公开(公告)日：2024-08-13
申请号：CN202311815813.1
申请日：2023-12-26
Applicant: 北京大学
IPC: G06Q30/0601 , G06F18/10 , G06F18/214 , G06N3/0499 , G06F16/9536
Abstract: 本发明涉及一种基于非随机缺失数据处理结局测量误差的推荐方法和系统，属于物品推荐技术领域，解决了现有技术在收集到的数据同时具有MNAR和OME时推荐准确性低的问题。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分，构建训练样本集；构建噪声预测模型，基于训练样本集训练噪声预测模型；构建去噪误差插补模型和去噪预测模型，基于所述训练样本集和训练好的噪声预测模型对所述去噪误差插补模型和去噪预测模型进行联合训练，得到训练好的去噪预测模型；基于训练好的去噪预测模型对未观测到的用户对物品的评分进行去噪预测，基于用户对物品的评分进行推荐。实现了同时具有MNAR和OME时的准确推荐。
-
公开(公告)号：CN117710061A
公开(公告)日：2024-03-15
申请号：CN202311815813.1
申请日：2023-12-26
Applicant: 北京大学
IPC: G06Q30/0601 , G06F18/10 , G06F18/214 , G06N3/0499 , G06F16/9536
Abstract: 本发明涉及一种基于非随机缺失数据处理结局测量误差的推荐方法和系统，属于物品推荐技术领域，解决了现有技术在收集到的数据同时具有MNAR和OME时推荐准确性低的问题。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分，构建训练样本集；构建噪声预测模型，基于训练样本集训练噪声预测模型；构建去噪误差插补模型和去噪预测模型，基于所述训练样本集和训练好的噪声预测模型对所述去噪误差插补模型和去噪预测模型进行联合训练，得到训练好的去噪预测模型；基于训练好的去噪预测模型对未观测到的用户对物品的评分进行去噪预测，基于用户对物品的评分进行推荐。实现了同时具有MNAR和OME时的准确推荐。
-
公开(公告)号：CN116649916A
公开(公告)日：2023-08-29
申请号：CN202310903983.9
申请日：2023-07-24
Applicant: 北京大学
IPC: A61B5/00 , G06F18/2415 , A61B5/055
Abstract: 本发明涉及一种脑部区域连接的因果差异估计方法，属于脑部区域连接差异估计技术领域，解决了现有技术中缺乏脑部区域连接因果差异估计的问题。方法包括：获得患者数据，所述患者数据包括患者的协变量数据以及观测的脑部功能数据；基于所述患者数据利用logistic回归计算患者用药受协变量影响的概率；基于患者的脑功能数据估计患者脑部区域间的潜在相关性；基于患者用药受协变量影响的概率及患者脑部区域间的潜在相关性对脑部区域连接的相关性在试验组和对照组间的因果差异进行估计；基于假设校验得到试验组和对照组间因果差异显著的脑部区域连接。实现了准确估计脑部区域连接的因果差异。
-
公开(公告)号：CN112735542B
公开(公告)日：2023-08-22
申请号：CN202110064413.6
申请日：2021-01-18
Applicant: 北京大学 , 中国中医科学院西苑医院
Abstract: 本发明涉及一种基于临床试验数据的数据处理方法，属于临床试验评估技术领域，解决了现有技术未充分消除人群异质性带来的偏差、且未充分利用数据提高推断精度的问题。该方法包括：获取临床试验中治疗组、对照组的数据样本；基于上述治疗组、对照组的数据样本，确定潜在治疗结果下的样本生存估计模型；获取所述样本生存估计模型中与治疗效果相关的协变量，根据样本生存估计模型计算获得存活个体在治疗方案下的潜在结果估计，以及个体处于存活状态的概率；根据上述存活个体在治疗方案下的潜在结果估计，以及个体处于存活状态的概率，确定存活组的平均因果作用SACE的置信区间。该方法获得的SACE的置信区间，可用于判断临床试验是否有效，推断结论准确。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.075 seconds)
