-
Patent Agency Ranking
公开(公告)号：CN118573485B
公开(公告)日：2024-11-05
申请号：CN202411049916.6
申请日：2024-08-01
Applicant: 大医智诚高科有限公司
Abstract: 本发明涉及安全传输领域，尤其涉及一种医疗数据的安全传输方法及系统。方法包括步骤：获取每个患者的各维度的医疗数据；将每两个维度组合得到若干维度组合，获取所有患者的所述维度组合中两维度的医疗数据构成的若干数据点；获取主成分方向、预设方向秘钥、预设第一距离秘钥、预设第二距离秘钥、第一基线和第二基线；根据主成分方向和方向秘钥将数据点进行旋转处理得到角度调整后数据点；根据第一距离秘钥和第二距离秘钥调整数据点到第一基线和第二基线的距离得到加密后医疗数据；以实现医疗数据的安全传输。通过改变每两个维度的医疗数据对应的数据点的分布特征，有效掩盖医疗数据之间的关系，提高加密效果。
-
公开(公告)号：CN118352012B
公开(公告)日：2024-10-18
申请号：CN202410796744.2
申请日：2024-06-20
Applicant: 大医智诚高科有限公司
IPC: G16H10/60 , G06F16/93 , G06F40/216
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种CDA文档的管理方法及系统。方法包括：获取目标患者的第一文档，并对第一文档进行分词处理获得多种字词；利用目标窗长对第一文档进行窗口划分获得多个窗口；在多种字词中第一字词与第二字词在同一窗口中共现的情况下，获取第一字词的第一频次、第二字词的第二频次以及第一字词与第二字词之间的字词距离，以确定第一字词的目标评价值；根据第一字词的目标评价值，从第一文档的多种字词中确定关键词，并根据关键词确定与第一文档相似的第二文档，以将第二文档作为目标患者的推荐文档进行归档。通过以上技术方案，能够使目标患者的推荐文档更具参考价值，实现对CDA文档更好的管理。
-
公开(公告)号：CN118352012A
公开(公告)日：2024-07-16
申请号：CN202410796744.2
申请日：2024-06-20
Applicant: 大医智诚高科有限公司
IPC: G16H10/60 , G06F16/93 , G06F40/216
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种CDA文档的管理方法及系统。方法包括：获取目标患者的第一文档，并对第一文档进行分词处理获得多种字词；利用目标窗长对第一文档进行窗口划分获得多个窗口；在多种字词中第一字词与第二字词在同一窗口中共现的情况下，获取第一字词的第一频次、第二字词的第二频次以及第一字词与第二字词之间的字词距离，以确定第一字词的目标评价值；根据第一字词的目标评价值，从第一文档的多种字词中确定关键词，并根据关键词确定与第一文档相似的第二文档，以将第二文档作为目标患者的推荐文档进行归档。通过以上技术方案，能够使目标患者的推荐文档更具参考价值，实现对CDA文档更好的管理。
-
公开(公告)号：CN118573485A
公开(公告)日：2024-08-30
申请号：CN202411049916.6
申请日：2024-08-01
Applicant: 大医智诚高科有限公司
Abstract: 本发明涉及安全传输领域，尤其涉及一种医疗数据的安全传输方法及系统。方法包括步骤：获取每个患者的各维度的医疗数据；将每两个维度组合得到若干维度组合，获取所有患者的所述维度组合中两维度的医疗数据构成的若干数据点；获取主成分方向、预设方向秘钥、预设第一距离秘钥、预设第二距离秘钥、第一基线和第二基线；根据主成分方向和方向秘钥将数据点进行旋转处理得到角度调整后数据点；根据第一距离秘钥和第二距离秘钥调整数据点到第一基线和第二基线的距离得到加密后医疗数据；以实现医疗数据的安全传输。通过改变每两个维度的医疗数据对应的数据点的分布特征，有效掩盖医疗数据之间的关系，提高加密效果。
-
公开(公告)号：CN118736282A
公开(公告)日：2024-10-01
申请号：CN202410764746.3
申请日：2024-06-14
Applicant: 大医智诚高科有限公司 , 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于器官专一化特征感知与区域特征增强的病变分类方法，主要解决现有方法会遗漏不同器官中具有显著区分性的病变特征的问题。其实现方案是：获取腹部CT影像数据集并进行器官分割、归一化、下采样的预处理，将预处理后的数据划分为训练集和测试集；构建包括器官专一化特征感知模块、区域特征增强模块、多尺度残差注意力模块及分类器的多器官病变分类模型；使用多器官病变分类训练集对病变分类模型进行迭代训练；将测试集输入到训练好的病变分类模型中，输出分类结果。本发明能针对性地提取不同器官的病变特征，并最大化地保留具有显著区分性的特征，提高腹部多器官病变分类的准确性，可用于CT图像中对人体腹部多个目标器官病变的筛查。
-
-
-
-
Search Results
5
records
(took 0.036 seconds)
