-
公开(公告)号：CN108062978B
公开(公告)日：2021-06-15
申请号：CN201711276458.X
申请日：2017-12-06
Applicant: 浙江大学
Inventor： 黄正行
Abstract: 本发明公开了一种急性冠脉综合征患者主要不良心血管事件预测方法。将每一种临床问题的主要不良心血管事件预测作为一个单独的任务，以一种联合的方式进行预测；采用基于堆叠式去噪自编码器的深度学习网络，在多任务学习框架下构建私有层和共享层，分别提取三种临床问题的私有特征和共享特征；基于生成对抗学习，确保共享层能提取出潜在的不依赖于特定临床问题的特征，缓解多任务学习框架中不同临床任务共享表达和私有表达的潜在特征空间的相互干扰，导入患者电子健康记录，在线预测患者的主要不良心血管事件发生概率。该方法能够获得较高的测试准确率，辅助医生制定合理的诊疗措施，降低医疗开支。
-
公开(公告)号：CN109522546B
公开(公告)日：2021-04-09
申请号：CN201811190380.4
申请日：2018-10-12
Applicant: 浙江大学
IPC: G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于上下文相关的医学命名实体识别方法，包括以下步骤：(1)将电子病历记录数据分为训练数据和测试数据两部分，并对训练数据进行标注，标注后的训练数据中包含病例原始文本和实体标注；(2)以双向长短时记忆网络为基础，引入上下文依赖，建立基于Bi‑LSTM的医学命名实体识别模型，使用训练数据训练，得到训练后的医学命名实体识别模型；(3)将测试数据输入医学命名实体识别模型中，得到命名实体的最优标注序列。本发明提供的方法可以有效地提取出病例文本中的身体部位，症状，症状描述，药物，手术等信息，同时在加入上下文依赖层后，精度相比原始的Bi‑LSTM有所提升。
-
公开(公告)号：CN112201348A
公开(公告)日：2021-01-08
申请号：CN202011171924.X
申请日：2020-10-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于知识感知的多中心临床数据集适配设备，包含：数据输入单元、知识图谱嵌入单元、基于知识感知的对抗性学习单元和临床结果预测单元；知识图谱嵌入单元包括：知识图谱模块和图卷积神经网络模块；所述基于知识感知的对抗性学习单元包括：患者表征模块、知识表征模块、基于知识感知的患者表征模块和多中心鉴别器模块；所述临床结果预测单元用于对基于知识感知的患者表征模块输出的所述患者特征表示π进行拟合，得到临床目标的预测结果。本发明的基于知识感知的多中心临床数据集适配设备，引入外部的临床专家知识，能够同时捕获多中心临床数据集中患者的共享特征和中心相关特征，从而提高在不同临床环境下的应用性能。
-
Patent Agency Ranking
公开(公告)号：CN110957036A
公开(公告)日：2020-04-03
申请号：CN201911017727.X
申请日：2019-10-24
Applicant: 中国人民解放军总医院 , 浙江大学
Abstract: 本发明提供了一种基于因果推理构建的疾病预后风险评估模型的方法及基于因果推理的疾病预后风险评估系统。基于因果推理，利用全连接神经网络来预测癌症或心脑血管疾病患者一年内再入院的概率，评估不同治疗方案的效果，从而辅助医生制定合理的诊疗措施，支持临床决策，降低医疗开支。
-
公开(公告)号：CN109659033A
公开(公告)日：2019-04-19
申请号：CN201811548823.2
申请日：2018-12-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于循环神经网络的慢性疾病病情变化事件预测装置，包括存储器、处理器以及计算机程序，存储器中存有预处理模块和慢性疾病病情变化事件预测模型，预测模型包括预处理模块、病情特征提取模块和分类模块；处理器执行计算机程序时实现以下步骤：接收患者多次入院所生成的长期纵向数据，预处理模块对数进行据预处理，将每次入院的数据重建为一个特征向量，作为待测数据集；以待测数据集作为输入，病情特征提取模块提取病情特征输入到分类模块；分类模块输出各类标志病情发生变化的事件的预测概率。该预测装置可对慢性疾病患者在目标时间窗口内发生标志疾病病情变化的事件进行预测，从而辅助医生制定合理的诊疗措施，降低医疗开支。
-
公开(公告)号：CN108062978A
公开(公告)日：2018-05-22
申请号：CN201711276458.X
申请日：2017-12-06
Applicant: 浙江大学
Inventor： 黄正行
Abstract: 本发明公开了一种急性冠状动脉综合征患者主要不良心血管事件预测方法。将每一种临床问题的主要不良心血管事件预测作为一个单独的任务，以一种联合的方式进行预测；采用基于堆叠式去噪自编码器的深度学习网络，在多任务学习框架下构建私有层和共享层，分别提取三种临床问题的私有特征和共享特征；基于生成对抗学习，确保共享层能提取出潜在的不依赖于特定临床问题的特征，缓解多任务学习框架中不同临床任务共享表达和私有表达的潜在特征空间的相互干扰，导入患者电子健康记录，在线预测患者的主要不良心血管事件发生概率。该方法能够获得较高的测试准确率，辅助医生制定合理的诊疗措施，降低医疗开支。
-
公开(公告)号：CN107122589A
公开(公告)日：2017-09-01
申请号：CN201710178405.8
申请日：2017-03-23
Applicant: 浙江大学
IPC: G06F19/00
Abstract: 本发明涉及一种将多种主要不良心血管事件预测模型融合的集成预测方法，步骤如下：将待融合主要不良心血管事件预测模型的输出结果分别二值化，根据二值化后预测模型的输出结果，使用粗糙集理论计算各独立预测模型的权重值；将待融合主要不良心血管事件预测模型的输出结果分别归一化，针对归一化后预测模型的输出结果，将其最佳分类阈值点格式化为0.5；根据权重值和归一化后的输出结果，计算各患者的基本概率分配，使用Dempster规则合成方法，将各独立预测模型输出项结合，得到结合的mass函数，并计算最终的集成预测方法的输出值。该集成预测方法解决了使用电子病历数据构建的模型中不确定性问题，提高模型的预测准确定。
-
公开(公告)号：CN100591014C
公开(公告)日：2010-02-17
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。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.024 seconds)
