-
公开(公告)号：CN115719647B
公开(公告)日：2023-04-11
申请号：CN202310029096.3
申请日：2023-01-09
Applicant: 之江实验室
Abstract: 本发明公开了融合主动学习和对比学习的血透并发心血管疾病预测系统，包括：血透数据准备模块，用于利用医院电子信息系统和日常监测设备提取患者样本的结构化数据，并对所述结构化数据处理得到扩增结构化数据；血透并发心血管疾病风险预测模块，用于构建风险评价模型，将所述扩增结构化数据通过所述风险评价模型训练学习得到患者表征和评分，并利用所述患者表征和评分进行血透并发心血管疾病风险预测。本发明解决正负样本匹配问题，利用血透并发心血管疾病的真实标签数据，迭代式地更新对比学习模型参数，利用真实的并发症结果标签提升模型性能；解决采集的样本过少或者阳性样本和阴性样本数量不平衡的问题，同时减少扩增数据与原始数据的差异性。
-
公开(公告)号：CN115456918B
公开(公告)日：2023-03-24
申请号：CN202211414188.5
申请日：2022-11-11
Applicant: 之江实验室
IPC: G06T5/00 , G06T5/10 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于小波高频通道合成的图像去噪方法及装置，将图像数据拓展到若干频域通道，经过噪声排序算法选取“低噪”若干通道和“高噪”若干通道，结合降噪网络子模块和基于风格迁移的合成网络子模块，实现图像数据去噪。图像数据使用离散小波包变换将原始数据和真值数据扩展到若干频域子通道，并分为“低噪组”小波包系数和“高噪组”小波包系数。对于低噪组，本发明搭建基于残差学习的卷积神经网络的降噪子模块，对于高噪组，搭建基于风格迁移网络的合成子模块，最后通过小波包反变换重建原始数据。本发明有效解决了图像数据在常规去噪算法中出现的“模糊”和“细节丢失”问题，在“多噪”和“高维”图像数据中表现尤为明显。
-
公开(公告)号：CN115424741B
公开(公告)日：2023-03-24
申请号：CN202211361950.8
申请日：2022-11-02
Applicant: 之江实验室
Abstract: 本发明公开了一种基于因果发现的药物不良反应信号发现方法及系统。本发明利用电子病历数据发现药物不良反应信号的过程中引入因果关系，最大化的保留真实世界电子病历数据中的数据维度，构建包含因果效应的贝叶斯网络结构，以及同时对用药干预和不良事件发生产生作用的混杂因素集。混杂因素集构建方法从数据出发，无需人工接入和先验知识，最大程度保留真实世界中存在的混杂因素，基于这些混杂因素构建用药干预组与对照组，模拟随机对照实验，使得组间不良反应发生情况的对比具有因果意义，进而生成具有因果关系的药物不良反应信号，在临床指导中具有重要价值。
-
公开(公告)号：CN115359870B
公开(公告)日：2023-03-24
申请号：CN202211287887.8
申请日：2022-10-20
Applicant: 之江实验室
IPC: G16H10/60 , G16H50/20 , G16H50/70 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于层次图神经网络的疾病诊疗过程异常识别系统，包括数据采集模块、数据预处理模块、层次图神经网络构建模块、诊疗过程异常评分计算模块和诊疗过程异常识别应用模块。本发明提出层次图神经网络模型构建和训练方法，对复杂的纵向电子病历数据进行建模分析，实现对时序信息和共现信息的融合利用；本发明将疾病诊疗过程异常分为诊疗事件异常、就诊异常和患者异常三个层次，由低层次、细粒度的诊疗事件层次到高层次、粗粒度的患者层次，设计诊疗过程异常的分层量化和综合评价方法，并给出诊疗过程异常的分类方法，精确定位异常具体发生在哪次就诊哪个诊疗步骤。
-
公开(公告)号：CN115424696B
公开(公告)日：2023-02-03
申请号：CN202211374618.5
申请日：2022-11-04
Applicant: 之江实验室
IPC: G16H20/10 , G06N3/08 , G06N3/0464 , G06F40/30
Abstract: 本发明公开了一种基于迁移学习的中医罕见病中药处方生成方法和系统，包括以下步骤：步骤S1：得到中医知识学习模型；步骤S2：基于多头自注意力机制的LSTM模型生成对应的中药名序列；步骤S3：得到中药剂量生成模型；步骤S4：将所述中药名序列和所述特征数据集合并作为所述中药剂量生成模型的输入，依次生成每味中药推荐的剂量，最终生成完整的中药处方。本发明使用两段式迁移学习算法，以自建中医语料库为基础，训练中医领域的中医知识学习模型，使用中医临床罕见病例对中医知识学习模型进行修正。本方法模拟了中医医生的学习过程，其生成的中药处方也将更加契合患者的病情，充分利用了医生在临床诊疗过程中产生的经验性知识。
-
Patent Agency Ranking
公开(公告)号：CN115423894B
公开(公告)日：2023-02-03
申请号：CN202211375033.5
申请日：2022-11-04
Applicant: 之江实验室
IPC: G06T11/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于变分自编码器的磁共振加权图像合成方法和装置，包括以下步骤：步骤S1：使用磁共振扫描仪获取多对比度的真实磁共振加权图像及磁共振定量参数图；步骤S2：组成磁共振加权图像；步骤S3：构建具有编码器和解码器结构的预训练变分自编码器模型；步骤S4：得到变分自编码器模型；步骤S5：将所述磁共振加权图像和所述磁共振定量参数图通过所述变分自编码器模型合成第二磁共振加权图像。本发明使用变分自编码器模型，通过多种对比度磁共振加权图像的训练，可以得到一个近似的对比度信息的连续分布，这使得本发明中涉及的变分自编码器模型可以重建得到训练数据中不存在的磁共振加权图像。
-
公开(公告)号：CN115496955A
公开(公告)日：2022-12-20
申请号：CN202211459133.6
申请日：2022-11-18
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本申请涉及一种图像分类模型训练方法、图像分类方法、设备和介质，通过将有标签样本输入至图像分类模型，得到监督损失；将无标签样本输入至图像分类模型，得到伪标签和半监督损失，无标签样本由无标签数据集进行不同程度的图像增强处理得到；根据无标签样本的伪标签的属性和对应的图像增强处理的程度，筛选相应无标签样本作为图像分类模型中预设分类的正样本、负样本和锚点，将正样本、负样本和锚点输入至损失函数进行计算，得到对比学习损失，负样本携带有不可靠伪标签；根据监督损失、半监督损失和对比学习损失，确定总损失，将总损失输入至图像分类模型进行反向传播以更新图像分类模型的参数，提升了模型的预测精度，加快了模型收敛速度。
-
公开(公告)号：CN115456918A
公开(公告)日：2022-12-09
申请号：CN202211414188.5
申请日：2022-11-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于小波高频通道合成的图像去噪方法及装置，将图像数据拓展到若干频域通道，经过噪声排序算法选取“低噪”若干通道和“高噪”若干通道，结合降噪网络子模块和基于风格迁移的合成网络子模块，实现图像数据去噪。图像数据使用离散小波包变换将原始数据和真值数据扩展到若干频域子通道，并分为“低噪组”小波包系数和“高噪组”小波包系数。对于低噪组，本发明搭建基于残差学习的卷积神经网络的降噪子模块，对于高噪组，搭建基于风格迁移网络的合成子模块，最后通过小波包反变换重建原始数据。本发明有效解决了图像数据在常规去噪算法中出现的“模糊”和“细节丢失”问题，在“多噪”和“高维”图像数据中表现尤为明显。
-
公开(公告)号：CN115145591B
公开(公告)日：2022-12-06
申请号：CN202211051570.4
申请日：2022-08-31
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多中心的医疗ETL任务调度方法、系统及装置，包括以下步骤：步骤S1：对ETL任务进行测试与验证；步骤S2：将ETL任务部署至医院中心，将ETL任务调度到若干个执行机执行；步骤S3：筛选满足待调度ETL任务的资源需求的执行机集合；步骤S4：计算所述执行机集合中各个执行机的当前任务负载；步骤S5：选择当前任务负载最小的所述执行机执行ETL任务；步骤S6：所述调度机根据优先级从所述执行机活动队列中选择ETL任务执行。本发明通过分析出任指标为当前调度机上的待调度任务选择最合适的执行机器。执行机从执行队列中选择任务进行执行，同时监测当前任务的阶段信息，从而实现集群资源利用的最大化。
-
公开(公告)号：CN115083615B
公开(公告)日：2022-12-06
申请号：CN202210854341.X
申请日：2022-07-20
Applicant: 之江实验室
IPC: G16H50/70 , G06F16/22 , G06F16/2458
Abstract: 本发明公开了一种链式并行统计多中心就诊患者人数的方法及装置，首先构建医院集合以及每个医院的患者主索引集合，并将患者主索引集合转化为位图集合；然后构造状态梯形表，表中标签表示医院患者主索引对应的名称；状态梯形表中状态取值范围分为‑1，0，1；‑1表示开始进行计算中，0表示初始化，1表示计算完成；对表头标签与表侧标签交点元素为0的点进行‘按位与’计算，对于交点元素为‑1的点进行忽略处理，对于交点元素为1的点直接跳过进行下一点的计算；计算完成后的状态梯形表中1的数量即医院组合中患者就诊记录交集的数量。本发明利用多线程链式求解集合序列交集全组合交集元素数量的方法，使得整体计算的效率大幅度提升。
-
-
-
-
-
-
-
-
-
Search Results
401
records
(took 0.03 seconds)
