-
公开(公告)号：CN116244428A
公开(公告)日：2023-06-09
申请号：CN202211567136.1
申请日：2022-12-07
Applicant: 讯飞医疗科技股份有限公司
Abstract: 本发明公开了用于医学术语的标准词推荐方法及装置，方法包括：将标准术语库中的标准词及其对应的同义词进行拼接并进行语义级编码，得到标准词的第一语义向量表示；以及获取待标准化的医学术语，基于第一语义向量表示得到用于该医学术语的标准词。本发明在对标准词进行语义构建时，同时使用标准词及其对应的各种同义词，充分考虑了术语自身的语义信息，使得最终得到的标准词的语义向量包含多维语义信息，从而可以得到更准确、更全面的最终结果。
-
公开(公告)号：CN116187318A
公开(公告)日：2023-05-30
申请号：CN202211609558.0
申请日：2022-12-14
Applicant: 讯飞医疗科技股份有限公司
IPC: G06F40/289 , G06F40/211 , G16H70/00 , G06F40/30
Abstract: 本申请提供了文本数据的识别方法、装置、设备及存储介质，具体实现方案为：获取待识别医疗文本数据；在所述待识别医疗文本数据中确定对应的临床发现词；根据所述待识别医疗文本数据中的其他词与所述临床发现词之间的第一逻辑关系和所述待识别医疗文本数据及其之前的医疗文本数据之间的第二逻辑关系，确定所述临床发现词的类别。根据本申请的技术方案，能够有效提升医疗文本数据的处理效率。
-
公开(公告)号：CN119943338A
公开(公告)日：2025-05-06
申请号：CN202411974160.6
申请日：2024-12-30
Applicant: 安徽影联云享医疗科技有限公司 , 科大讯飞华南人工智能研究院(广州)有限公司 , 讯飞医疗科技股份有限公司 , 科大讯飞股份有限公司
Abstract: 本发明公开了一种基于大规模语言模型的辅助诊疗系统，属于医疗影像分析技术领域，包括基于大规模预训练语言模型的医疗影像智能体、工具组件以及储存池模块，所述医疗影像智能体将自然语言解析转化为具体的任务提示，并匹配、调用工具组件，所述工具组件包括报告生成模块、影像分割模块、病灶检测模块、报告评估模块、诊疗助手模块以及储存池模块。该基于大规模语言模型的辅助诊疗系统，通过医疗影像智能体将用户输入的自然语言解析转化为具体的任务提示，自动分解复杂的医疗影像问题，并匹配、调用工具组件，生成详细的分步解决方案，相较现有的装置，避免了由于操作较为复杂且不够直观的问题，简化操作、降低了使用门槛。
-
公开(公告)号：CN119942185A
公开(公告)日：2025-05-06
申请号：CN202411974150.2
申请日：2024-12-30
Applicant: 安徽影联云享医疗科技有限公司 , 科大讯飞华南人工智能研究院(广州)有限公司 , 讯飞医疗科技股份有限公司 , 科大讯飞股份有限公司
IPC: G06V10/764 , G06V10/80 , G06V10/77 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/0455 , G06N5/04 , G06T7/00
Abstract: 本发明涉及医学影像分析，具体涉及一种基于细粒度特征的医学影像分析方法，模仿医生实际观看医学影像时的阅读模式，将3D医学影像划分为多层2D医学影像进行输入；对每层2D医学影像进行ViT编码，得到每层2D医学影像的ViT编码结果；对每层2D医学影像的ViT编码结果分别进行上采样、下采样，得到对应的上采样特征、下采样特征；根据每层2D医学影像的下采样特征，利用层级特征采样器提取每层2D医学影像的层级特征；根据每层2D医学影像的层级特征，利用层级特征聚合器提取每层2D医学影像的层级聚合特征；本发明提供的技术方案能够有效克服现有技术所存在的难以对3D医学影像进行准确、高效分析的缺陷。
-
公开(公告)号：CN119941649A
公开(公告)日：2025-05-06
申请号：CN202411974161.0
申请日：2024-12-30
Applicant: 安徽影联云享医疗科技有限公司 , 科大讯飞华南人工智能研究院(广州)有限公司 , 讯飞医疗科技股份有限公司 , 科大讯飞股份有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/73 , G06N3/045 , G06N5/04 , G06N5/022 , G06V20/70 , G06V10/42 , G06V10/82
Abstract: 本发明公开了一种基于大模型的病灶定位方法，属于医疗影像分析技术领域，图像经过图像编码器后输入病灶检测模块与病灶分割模块，输出病灶特征，通过区域编码器对每个病灶特征进行处理并整理为大小一致的特征图，再输入给大语言模型，大语言模型整合特征图、全局特征、相似病例以及用户的prompt，输出医疗影像报告，本发明相较现有技术，避免了需要手动对比影像中的病灶位置和报告中的文字描述的问题，提高了诊断效率。
-
Patent Agency Ranking
公开(公告)号：CN119920423A
公开(公告)日：2025-05-02
申请号：CN202411979902.4
申请日：2024-12-31
Applicant: 安徽影联云享医疗科技有限公司 , 科大讯飞华南人工智能研究院(广州)有限公司 , 讯飞医疗科技股份有限公司 , 科大讯飞股份有限公司
Abstract: 本发明涉及模型应用更新，具体涉及基于增量学习的医学影像多模态大模型的应用更新方法，构建多模态多任务数据集，利用多模态多任务数据集对医学影像多模态基础大模型进行训练，得到预训练的医学影像多模态基础大模型；构建多模态微调数据集，利用多模态微调数据集对预训练的医学影像多模态基础大模型进行微调，得到医学影像多模态SFT大模型；将引擎化的医学影像多模态SFT大模型作为医学影像多模态大模型助手部署至线上；本发明提供的技术方案能够有效克服现有技术所存在的应用更新后导致模型在原始数据上出现灾难性遗忘，以及难以确保应用更新后模型在各场景典型数据上的性能的缺陷。
-
公开(公告)号：CN119830986A
公开(公告)日：2025-04-15
申请号：CN202411974154.0
申请日：2024-12-30
Applicant: 安徽影联云享医疗科技有限公司 , 科大讯飞华南人工智能研究院(广州)有限公司 , 讯飞医疗科技股份有限公司 , 科大讯飞股份有限公司
IPC: G06N3/0895 , G06T7/00 , G16H50/20 , G06N5/04 , G06V10/82 , G06V10/774 , G06F16/22 , G06F40/205
Abstract: 本发明涉及模型训练，具体涉及一种基于对比学习的医学影像分析模型的训练方法，构建包含疾病或重要发现、解剖学区域的报告库；提取各报告中的疾病或重要发现、解剖学区域信息，并对识别出的疾病描述对应的细粒度信息，构建结构化报告库；对各结构化报告中的疾病描述、解剖学区域分别进行向量化，得到对应的疾病查询向量、解剖学区域查询向量；将各结构化报告对应的医学影像转化为视觉特征向量，以捕捉医学影像的关键视觉特征；对疾病查询向量与视觉特征向量，以及解剖学区域查询向量与视觉特征向量分别进行特征交互学习；本发明提供的技术方案能够有效克服现有技术所存在的难以充分利用有限的标注数据增强模型对于疾病识别和病灶定位性能的缺陷。
-
公开(公告)号：CN114023423B
公开(公告)日：2025-04-08
申请号：CN202111258258.8
申请日：2021-10-27
Applicant: 讯飞医疗科技股份有限公司
Abstract: 本发明公开了一种智能交班方法、装置以及设备，智能交班方法包括：从医院信息系统获取所有患者的病历信息；对于每个第一患者，获取第一患者的病历信息的关注标签；若关注标签为是，则输出第一患者的第一交班日志。本申请依据患者的病历信息自动识别需要关注的患者，并自动输出需要关注的患者的必要病历信息，避免交班时因完成交接日志而消耗医务人员精力、耽误临床工作以及交班日志出现描述不清和无法识读的问题。
-
公开(公告)号：CN119626425A
公开(公告)日：2025-03-14
申请号：CN202411695715.3
申请日：2024-11-25
Applicant: 讯飞医疗科技股份有限公司
Abstract: 本申请公开了一种病历生成方法、装置、设备和存储介质，病历生成方法包括：获取患者的当前问诊数据以及若干候选症状；其中，当前问诊数据至少包括患者已确认的若干主症状信息；对当前问诊数据和症状知识集进行融合处理，得到融合表示；其中，症状知识集包括若干预设疾病分别对应的若干预设症状信息；从若干候选症状中筛选出与融合表示相关的至少一个候选症状，作为推荐伴随症状；基于当前问诊数据以及推荐伴随症状，生成患者的第一病历。通过上述方式，能够提高生成的患者病历的准确性。
-
公开(公告)号：CN119339875A
公开(公告)日：2025-01-21
申请号：CN202411345004.3
申请日：2024-09-25
Applicant: 讯飞医疗科技股份有限公司
IPC: G16H20/10 , G06N5/022 , G06F16/332 , G06F16/33
Abstract: 本申请提出一种药物推荐方法、装置、电子设备、存储介质及产品，该方法基于用户输入的用户询问信息和/或用户询问信息对应的关键信息，预测候选推荐药物，并从药物知识库中获取候选推荐药物的药物信息；利用用户询问信息和关键信息，从预先构建的医学知识库中匹配出用户询问信息对应的医学知识；对候选推荐药物的药物信息和用户询问信息对应的医学知识，进行整合推理，确定用药询问信息对应的药物推荐结果。本方案能够自动进行药物推荐，提高了药物推荐效率和准确度，并且，在预测出候选推荐药物后，还能结合候选推荐药物的药物信息以及医学知识进一步对候选推荐药物进行验证，确定最终的药物推荐结果，使得药物推荐的准确度进一步提升。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.034 seconds)
