-
公开(公告)号：CN113297852B
公开(公告)日：2021-11-12
申请号：CN202110841311.0
申请日：2021-07-26
申请人： 北京惠每云科技有限公司
IPC分类号： G06F40/295 , G06F16/31
摘要： 本申请涉及自然语言处理技术领域，尤其涉及一种医学实体词的识别方法和装置。该识别方法包括：构建用于表征医学实体词与自编码向量之间对应关系的预训练模型；利用二分类模型针对所构建的预训练模型的输出结果进行识别，并基于识别结果对预训练模型进行微调，以生成标准词自编码模型；提取目标病例文本中的目标医学实体词的内容特征；将内容特征输入标准词自编码模型，获得目标医学实体词对应的第一自编码向量；从医学标准词编码索引库中查找与第一自编码向量对应的医学标准词，将医学标准词作为目标医学实体词对应的目标医学标准词。通过上述方式，能够便于医学信息共享，提高医疗领域之间交流的效率。
-
公开(公告)号：CN113312913B
公开(公告)日：2021-10-08
申请号：CN202110867572.X
申请日：2021-07-30
申请人： 北京惠每云科技有限公司
IPC分类号： G06F40/289 , G16H10/60
摘要： 本申请提供了一种病例书的切分方法、装置、电子设备及可读存储介质，针对于待切分病例书中的每一个初始关键词，对该初始关键词进行特征计算得到相应的特征序列后，将特征序列输入至预先训练好的关键词判别模型中，得到对该初始关键词的关键词判断结果，根据判别结果为切分关键词的初始关键词以及补偿关键词规则，确定出多个目标关键词，并根据预设关键词映射知识图谱对各个目标关键词进行关键词映射，确定出多个标准关键词，最后按照确定出的多个标准关键词对待切分病例书进行切分。这样，简化了确定待切分病例书中关键词的步骤，同时统一了切分病例书的关键词，减少了病例录入时再划分存储的时间，有助于提升病例书采集过程的效率以及准确率。
-
公开(公告)号：CN113297853B
公开(公告)日：2021-10-01
申请号：CN202110847667.5
申请日：2021-07-27
申请人： 北京惠每云科技有限公司
IPC分类号： G06F40/295 , G16H10/60 , G06F16/33
摘要： 本申请提供了一种电子病历的质控方法、装置、电子设备及存储介质，其中，质控方法包括：根据质控请求中携带的医学实体标识，提取出与医学实体标识相对应的目标医学实体，根据质控请求中携带的模块选取标识，选取出多个目标规则模块，响应于针对规则引擎的创建操作，得到针对该待质控电子病历的目标规则引擎；目标规则引擎包括按照目标逻辑顺序依次连接的多个目标规则模块，目标逻辑顺序是根据质控请求中携带的连接顺序标识确定的，采用目标规则引擎对目标医学实体进行质控处理，得到待质控电子病历的质控结果。进而，根据目标用户对电子病历的质控请求，自定义创建质控电子病历的规则引擎，可以提高电子病历的质控可靠性和质控效率。
-
公开(公告)号：CN113297853A
公开(公告)日：2021-08-24
申请号：CN202110847667.5
申请日：2021-07-27
申请人： 北京惠每云科技有限公司
IPC分类号： G06F40/295 , G16H10/60 , G06F16/33
摘要： 本申请提供了一种电子病历的质控方法、装置、电子设备及存储介质，其中，质控方法包括：根据质控请求中携带的医学实体标识，提取出与医学实体标识相对应的目标医学实体，根据质控请求中携带的模块选取标识，选取出多个目标规则模块，响应于针对规则引擎的创建操作，得到针对该待质控电子病历的目标规则引擎；目标规则引擎包括按照目标逻辑顺序依次连接的多个目标规则模块，目标逻辑顺序是根据质控请求中携带的连接顺序标识确定的，采用目标规则引擎对目标医学实体进行质控处理，得到待质控电子病历的质控结果。进而，根据目标用户对电子病历的质控请求，自定义创建质控电子病历的规则引擎，可以提高电子病历的质控可靠性和质控效率。
-
公开(公告)号：CN117995334B
公开(公告)日：2024-06-21
申请号：CN202410406851.X
申请日：2024-04-07
申请人： 北京惠每云科技有限公司
摘要： 本发明涉及基于检验报告的智能化解读与治疗建议方法及装置，该方法包括：获取当前患者的多次检验报告，并从多次检验报告中选取当前检验报告以及与当前检验报告的检验时间最近的历史检验报告，以对检验报告进行预处理，得到当前检验报告或历史检验报告中的异常项目。基于异常项目构建用于检验报告解读的提示对话框，并将提示对话框作为基于检验报告微调后的大语言模型中，以生成异常项目对应的检验解读结果。对异常项目和检验解读结果进行合并处理，基于合并后的异常项目和检验解读结果构建治疗建议提示对话框，将治疗建议提示对话框作为微调后的大语言模型的输入，以生成治疗建议。该方法智能化地给出解读和治疗建议，提高了解读结果的准确性。
-
公开(公告)号：CN117992069B
公开(公告)日：2024-06-21
申请号：CN202410407254.9
申请日：2024-04-07
申请人： 北京惠每云科技有限公司
摘要： 本发明涉及基于大语言模型的代码质控方法及装置，包括：接收Webhook通知，响应于Webhook通知获取分支信息，判断分支信息是否符合设定的分支审查规则。在分支信息符合分支审查规则时，调用相应的API接口获取当前代码差异，遍历当前修改文件，判断当前修改文件是否符合设定的文件审查规则。在当前修改文件符合文件审查规则时，将当前代码差异与Prompt模板组合。将组装好的提示对话框通过API接口请求大语言模型，调用大语言模型对当前代码差异的审核建议格式校验，得到审核建议。通过正则表达式对审核建议进行拆分，遍历拆分的审核建议获取与审核建议正则匹配的缺陷信息，对当前代码差异的代码段修改。
-
公开(公告)号：CN117995392A
公开(公告)日：2024-05-07
申请号：CN202410407074.0
申请日：2024-04-07
申请人： 北京惠每云科技有限公司 , 杭州惠每医疗科技有限公司
摘要： 本发明涉及鉴别诊断生成方法、装置、电子设备及存储介质，包括：对首次病程记录信息进行预处理，构建基于首次病程记录信息的第一鉴别诊断知识库。对当前病程记录信息进行相似度匹配计算，获取与当前病程记录信息之间相似度超过第一阈值的第一鉴别诊断结果。调用BERT模型将第一鉴别诊断结果标准化至标准诊断中，调用BERT模型将第二鉴别诊断结果映射至标准诊断中。对ChatGLM‑6B大模型进行预训练，并通过医疗知识图谱对ChatGLM‑6B大模型进行微调，得到医疗大模型。将当前病程记录信息作为医疗大模型输入，基于模型输出数据构建提示对话框，以根据提示对话框中的prompt模板生成第三鉴别诊断结果。
-
公开(公告)号：CN117995340A
公开(公告)日：2024-05-07
申请号：CN202410406985.1
申请日：2024-04-07
申请人： 北京惠每云科技有限公司 , 杭州惠每医疗科技有限公司
摘要： 本发明涉及一种基于大模型的临床试验智能招募方法及装置，该方法包括：获取临床试验数据，并通过临床试验数据对大模型进行预训练，以使大模型理解医学文本数据的不同场景，临床试验数据至少包括临床试验信息、患者病历信息、医学文献以及医学知识库数据。调用预训练后的大模型对患者病历信息中的患者隐私信息进行识别，以对患者病历信息进行脱敏处理，脱敏处理后的患者病历信息至少包括患者的出入院记录、首次病程记录、病程记录以及治疗记录。将脱敏处理后的患者病历信息以及提示对话框作为预训练后的大模型的输入，以按照提示对话框的答案模板输出与患者病历信息匹配的临床试验方案。该方法提高了招募效率，而且能够保障患者的隐私安全。
-
公开(公告)号：CN117789965A
公开(公告)日：2024-03-29
申请号：CN202410201771.0
申请日：2024-02-23
申请人： 北京惠每云科技有限公司
IPC分类号： G16H40/67 , G16H40/20 , G16H50/30 , G16H50/50 , G16H80/00 , G16H10/60 , G16H15/00 , G16H30/20 , G06N3/044 , G06N3/084
摘要： 本发明涉及一种基于数字孪生的静脉血栓防治仿真评估方法及系统，该方法包括：获取患者所在医院的患者数字信息，并基于患者数字信息建立与实际诊疗过程之间的数字孪生模型。根据患者所在具体科室的病情信息对所述患者数字信息进行分类，以生成患者记录数据，患者记录数据与患者所在具体科室和病情信息具有对应关系。获取患者评估任务，并将患者评估任务分配至其他医院中工作状态或工作参数符合预设要求的终端，以对患者评估任务的所有决策路径进行预测。实时获取医生在执行风险评估和治疗后的实时患者数字信息，并根据实时患者数字信息对患者记录数据进行更新，同时通过数字孪生技术在数字孪生模型中建立与终端对应的患者对象。
-
公开(公告)号：CN109829156B
公开(公告)日：2023-11-14
申请号：CN201910049925.8
申请日：2019-01-18
申请人： 北京惠每云科技有限公司
发明人： 张奇
IPC分类号： G06F40/30 , G06N3/0464 , G06N3/08
摘要： 本申请提供了医学文本识别方法及装置，涉及医疗领域。本申请提供的医学文本识别方法，采用先从医疗文本的待识别语句中提取的特征字和特征词；而后，根据特征字确定第一字特征，并根据特征词确定第一词特征；最后，将第一字特征和第一词特征同时输入到预先训练完成的识别模型中，以确定待识别语句中指定文字或词语的医学标签。这种确定医学标签的方式，综合的使用了字特征和词特征来表征待识别语句的特点，使得识别模型可以更加准确的了解待识别语句的特点，从而提高了确定医学标签的精度。
-
-
-
-
-
-
-
-
-
搜索结果
155 条记录 (耗时 0.038 秒)
