-
公开(公告)号：CN115187783A
公开(公告)日：2022-10-14
申请号：CN202211099106.2
申请日：2022-09-09
Applicant: 之江实验室
IPC: G06V10/26 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于联邦学习的多任务混合监督医疗图像分割方法及系统，包括：基于各种弱监督数据以及完全监督和未标记数据的数据采集模块；基于联邦学习的第一阶段多任务网络模型模块，基于第二阶段伪标签生成模块，基于第二阶段动态样本选择模块，基于不同阶段的联邦模型动态更新模块。本发明打破了单一标签类型的限制，提出一种基于联邦学习的多任务混合模型架构，通过检测任务辅助医学图像分割任务联合各方数据进行协同建模，确保患者隐私的基础上，打破各方的数据孤岛，不仅充分地挖掘多机构数据的潜能和深层价值，而且充分利用任务之间的关系进而挖掘有效的上下文特征，实现不同层次特征之间的信息互补，进而提高模型的准确性和鲁棒性。
-
公开(公告)号：CN115147417A
公开(公告)日：2022-10-04
申请号：CN202211070002.9
申请日：2022-09-02
Applicant: 之江实验室
Abstract: 本发明公开了一种基于过滤法特征选择的功能连接矩阵处理系统及装置，包括：获取被试预处理后的静息态脑功能磁共振图像；提取时间序列；计算皮尔逊相关系数，得到皮尔逊相关系数矩阵；将皮尔逊相关系数矩阵进行向量化；利用过滤法计算定量相关性指标，并基于预设阈值，选择定量相关性指标；利用与所述疾病诊断结果相关性高的对应的定量相关性指标，对选择的功能连接特征加权处理，得到功能连接矩阵；通过所述功能连接矩阵得到预测结果。本发明在以过滤法进行特征选择的基础上，以计算得到的特征与所述疾病诊断结果的定量相关性指标对所选择的特征进行加权处理，使得与所述疾病诊断结果相关性高的特征具有更高的影响权重，提高表型预测的准确率。
-
公开(公告)号：CN114783524B
公开(公告)日：2022-09-30
申请号：CN202210685472.X
申请日：2022-06-17
Applicant: 之江实验室
Abstract: 本发明公开了一种基于自适应重采样深度编码器网络的通路异常检测系统，包括数据采集模块、数据预处理模块、通路异常检测模型构建模块和通路异常检测模块，本发明利用基于神经网络的深度编码器算法，将个体通路异常情况评估问题转换为异常检测问题，区分异常样本与正常样本，并评估异常样本相较于正常样本的通路异常程度，改进基于主成分曲线的通路异常情况评估算法无法稳定评估通路异常情况的问题。在充分利用先验知识的情况下，富集多个生物功能相近的基因的预后信息，有效评估患者的通路异常情况，可用于肿瘤预后预测准确性的提高，辅助医生制定患者的治疗计划。
-
公开(公告)号：CN115083616A
公开(公告)日：2022-09-20
申请号：CN202210980822.5
申请日：2022-08-16
Applicant: 之江实验室
Abstract: 本发明公开了一种基于自监督图聚类的慢性肾病亚型挖掘系统，包括：数据采集模块：用于采集慢性肾病诊疗记录中的结构化数据；数据提取与预处理模块：用于对所述结构化数据提取和预处理，得到实体集合和就诊集合；慢性肾病亚型挖掘模块：用于利用所述实体集合和所述就诊集合构建慢性肾病亚型挖掘模型；慢性肾病表型亚型评估模块：用于对所述慢性肾病亚型挖掘模型进行评估；慢性肾病亚型预测模块：用于对患者的结构化数据进行预测。本发明解决了过程挖掘方法无法处理纵向电子病历数据中单次就诊内事件信息和多次就诊间事件信息等多粒度信息并存的问题。
-
公开(公告)号：CN115082593A
公开(公告)日：2022-09-20
申请号：CN202210980588.6
申请日：2022-08-16
Applicant: 之江实验室
IPC: G06T11/20
Abstract: 本发明公开了一种二维关系图可视化方法及装置，首先根据需求的轨道间距离，确定轨道；遍历节点数组，给每个节点设置位置，首先判断节点所属的轨道，然后将对应轨道上的各边中点以及顶点的八个点组成位置组用于放置节点；并依次判断位置组中的位置是否已被其他节点占用；若当前位置组里找不到未被占用的位置，则生成新的8个位置组成位置组，再次从这个位置组里寻找可放置的位置；重复这个步骤，直到找到可用位置为止。将位置组中的可用位置设置给当前节点，将节点按其确定的位置渲染到画布上，并将有关联关系的边渲染到画布上，得到可视化的二维关系图。
-
Patent Agency Ranking
公开(公告)号：CN114999508A
公开(公告)日：2022-09-02
申请号：CN202210902896.7
申请日：2022-07-29
Applicant: 之江实验室
IPC: G10L21/02 , G10L21/0208 , G10L25/30
Abstract: 本发明公开了一种利用多源辅助信息的通用语音增强方法和装置，包括以下步骤：步骤S1：构建训练数据集；步骤S2：利用所述训练数据集对模型的网络参数进行学习，构建语音增强模型；步骤S3：通过预采集或者现场采集的方式构建声源信息数据库；步骤S4：获取语音增强模型的输入；步骤S5：将所述含噪原始信号作为所述语音增强模型的主输入，所述目标组辅助声源信号和所述干扰组辅助声源信号作为所述语音增强模型的旁输入进行语音增强，得到增强语音信号。本发明多类声源辅助声源信息提取辅助声源信号表征；对待增强的原始音频信息提取原始信号表征；将原始信号表征与辅助声源信号表征送入语音增强模型进行语音增强。
-
公开(公告)号：CN114565613B
公开(公告)日：2022-08-23
申请号：CN202210466102.7
申请日：2022-04-29
Applicant: 之江实验室
IPC: G06T7/00 , G06T7/62 , G06V10/25 , G06V10/26 , G06V10/762 , G06V10/82 , G06K9/62 , G16H50/20 , A61B6/00 , A61B6/03
Abstract: 本发明公开了一种基于有监督深度子空间学习的胰腺术后糖尿病预测系统。利用深度卷积神经网络自动分割术前CT胰腺区域，利用MITK软件进行胰腺切缘模拟，获得术后的残余胰腺区域，大大减小感兴趣区域标注的工作量。对残余胰腺区域提取传统影像组学特征和深层语义特征，构建高维影像特征集；提取与糖尿病相关的临床因素，包括胰腺切除率、脂肪与肌肉组织成分、人口学信息和生活习惯，构建临床特征集。基于一个有监督的深度子空间学习网络，对影像和临床特征在子空间中进行降维表示和融合，同时训练预测模型，挖掘与预测任务高度相关的敏感特征，对患者术后患糖尿病风险进行预测，具有较高的自动化程度和判别精度。
-
公开(公告)号：CN114566289B
公开(公告)日：2022-08-09
申请号：CN202210444327.2
申请日：2022-04-26
Applicant: 之江实验室
IPC: G16H50/70 , G16H50/50 , G06K9/62 , G06V10/762
Abstract: 本发明公开了一种基于多中心临床数据防作弊分析的疾病预测系统，本发明利用区块链技术共享伪数据，并让所有医疗机构在本地利用加权聚类模型根据伪数据计算数据质量系数，保证临床数据量少的医疗机构的真实临床数据能够被充分利用的同时还使得医疗机构无法对本地临床数据质量评价结果进行作弊。本发明设计的模型参数投票迭代机制，每轮迭代中根据投票结果保留一家医疗机构提供的模型参数，可以使得质量好的临床数据在模型训练中发挥更大作用。本发明设计的投票权的初始化和更新机制，以及在迭代投票过程中的作弊检测机制，让临床数据质量好的医疗机构拥有更多投票权，也防止了单家或多家医疗机构勾结篡改投票结果。
-
公开(公告)号：CN114780083A
公开(公告)日：2022-07-22
申请号：CN202210685209.0
申请日：2022-06-17
Applicant: 之江实验室
IPC: G06F8/34 , G06F3/0486 , G06F16/36 , G06F40/253 , G06F16/951 , G06F21/62 , G06F21/60
Abstract: 本发明公开了一种知识图谱系统的可视化构建方法及装置。本发明通过中心服务器确定分布客户端的数据权限。中心服务器得到知识图谱系统母模板并发送至分布客户端。分布客户端接收用户输入的自然语言，解析生成抽象语法树。用户通过可视化操作完成知识图谱系统子模板的定制。分布客户端将子模板加密后发送到中心服务器。在使用知识图谱系统时，输入任意知识概念，中心服务器便会调取子模板，解密之后检索数据库，生成树状结构知识图谱发送到分布客户端。分布客户端解析树状结构知识图谱，渲染生成符合输入要求的知识图谱。本发明能够直接生成各个研究领域的知识图谱系统而不需要前后端的二次开发，减轻开发人员负担，提高工作效率，降低维护成本。
-
公开(公告)号：CN114376558B
公开(公告)日：2022-07-19
申请号：CN202210296098.4
申请日：2022-03-24
Applicant: 之江实验室
Abstract: 本发明公开了一种基于磁共振和孪生图神经网络的脑图谱个体化方法及系统；首先，对静息态功能磁共振数据（rs‑fMRI）利用基于感兴趣区域的功能连接提取特征，同时对该特征进行费雪变换和指数变换；其次，对该数据集中T1加权的磁共振数据提取对应邻接矩阵；然后，以变换之后的特征和邻接矩阵作为输入，以组图谱标签和采样掩膜作为输出，设计孪生图神经网络进行训练和测试。相比于其他的rs‑fMRI个体化图谱方案，本发明利用rs‑fMRI和组图谱的数据特点设计的孪生网络架构和中心采样模式所重建的个体化脑图在任务态磁共振数据上的激活分布更加均匀，同时具有更短的重建时间。
-
-
-
-
-
-
-
-
-
Search Results
401
records
(took 0.034 seconds)
