-
公开(公告)号：CN113113153B
公开(公告)日：2024-07-12
申请号：CN202110395509.0
申请日：2021-04-13
Applicant: 上海市疾病预防控制中心 , 上海市预防医学研究院 , 上海市卫生健康委员会 , 万达信息股份有限公司
Inventor： 付晨 , 夏天 , 夏寒 , 冯骏 , 赵丹丹 , 马逸韬 , 张鑫金 , 王晔 , 张诚 , 道理 , 王春芳 , 虞慧婷 , 毛丹 , 林维晓 , 刘星航 , 钱晨嗣 , 杨妹 , 许锦
IPC: G16H50/80 , G06F16/9536 , G06F16/904
Abstract: 本发明涉及一种利用图模型针对传染病疫情爆发期间实现疫情动态信息分析的方法，其中，该方法包括：基于预先所获知的第一个确诊病例信息，根据所确定的被监测人物的属性类型以及该被监测人物的活动地点信息构建图模型；根据图模型确定预设时间内预设区域的传染病感染情况得分数值；根据传染病感染情况得分数值确定该区域的密切接触理论值，得到相应的疫情动态信息。本发明还涉及一种相应的系统、装置、处理器及其存储介质。采用了本发明的相应的方法、系统、装置、处理器及其存储介质，能够利用动态图模型直观的形成疫情爆发期下人与人之间的接触网络图，并根据流行病学路径快速的查找出密切接触者或者潜在的感染者，从而阻止传染病的进一步爆发。
-
公开(公告)号：CN109670510B
公开(公告)日：2023-05-26
申请号：CN201811568861.4
申请日：2018-12-21
Applicant: 万达信息股份有限公司
IPC: G06V10/32 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G16H30/20 , G16H50/20
Abstract: 本发明涉及一种基于深度学习的胃镜活检病理数据筛查系统，其特征在于，包括：图像预处理模块；训练数据集生成模块；由重建网络和鉴别网络组成的条件生成对抗网络CGAN；阈值判断模块，基于条件生成对抗网络CGAN输出的得分值进行胃镜数字病理图像所对应切块样本的阴性、阳性判断，判断时将切块样本的分类信息进行聚类处理，从而完成胃镜数字病理图像的阴性和阳性判断。本发明的另一个技术方案是提供了一种基于深度学习的胃镜活检病理数据筛查方法。本发明的基于深度学习的胃镜病理数据筛查系统和方法能够为病理医生提供病理数据的筛查信息，对于提高胃镜病理数据的筛查效率具有重要意义。
-
公开(公告)号：CN111222340B
公开(公告)日：2021-12-07
申请号：CN202010041673.7
申请日：2020-01-15
Applicant: 东华大学 , 万达信息股份有限公司
IPC: G06F40/295 , G16H50/70 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多标准主动学习的乳腺电子病历实体识别系统，其特征在于，包括：预处理模块；实体识别模块；主动学习模块。本发明从标注数据量、句子标注成本、数据采样均衡性三个方面进行考虑，设计了针对文本序列标注的主动学习选择策略以减少标注总工作量。本发明一方面可用于建设乳腺疾病风险患者识别标记、疾病药物推荐、辅助决策诊断等系统，帮助医生提高乳腺疾病规范化诊疗的执行效率，予以科学的依据和建议方案；另一方面，还可以协助医生发现诊疗过程中潜在的非正常情况，降低误诊和漏诊率，提高乳腺疾病患者的治愈几率，对乳腺疾病研究的智能化发展具有重要价值。
-
公开(公告)号：CN110236543A
公开(公告)日：2019-09-17
申请号：CN201910435384.2
申请日：2019-05-23
Applicant: 东华大学 , 万达信息股份有限公司
IPC: A61B5/055
Abstract: 本发明涉及一种基于深度学习的阿尔茨海默病多分类诊断系统，包括：图像特征提取模块，用于根据神经网络模型对大脑三正交平面MRI图像的特征向量进行提取；指标特征选择模块，用于根据医学相关文献选择检查指标组成指标特征向量；向量线性融合模块，用于采用基于典型相关分析的多元数据线性融合方法将图像的特征向量和指标特征向量进行融合；疾病分类诊断模块，用于将融合后的向量输入多分类分类器来区分阿尔茨海默病的三个阶段。本发明能够辅助阿尔茨海默症的多分类诊断。
-
公开(公告)号：CN105678100B
公开(公告)日：2019-04-30
申请号：CN201610115554.5
申请日：2016-03-01
Applicant: 万达信息股份有限公司
IPC: G16H10/60 , G06F16/901 , G06F16/9038 , G06F16/953
Abstract: 本发明提供了一种健康档案浏览系统，其特征在于，包括：中心端数据校验转换模块；居民身份整合模块；展示系统首页目录抽取模块；展示系统首页摘要抽取模块；EHR浏览器。通过本发明提供的健康档案浏览系统来展示整合后的居民卫生信息，包括诊疗、疾控、公卫各条线的数据等，使患者在进行诊疗时，授权就诊医生查阅自己的健康档案及历史诊疗信息，从而使就诊医生更好的为自己服务；医院可以通过调阅健康档案中的治疗安全警示、药物过敏警示等应用有效减少医疗事故，并对不必要的检验/检查进行提示，提高医疗机构的医疗服务质量和服务效率，降低医疗成本，有效缓解“看病贵”的状况。
-
Patent Agency Ranking
公开(公告)号：CN113192644B
公开(公告)日：2024-05-24
申请号：CN202110215671.X
申请日：2021-02-26
Applicant: 上海市疾病预防控制中心 , 上海市预防医学研究院 , 上海市卫生健康委员会 , 万达信息股份有限公司
Inventor： 夏寒 , 冯骏 , 赵丹丹 , 付晨 , 夏天 , 马逸韬 , 张鑫金 , 王晔 , 张诚 , 道理 , 王春芳 , 虞慧婷 , 毛丹 , 林维晓 , 刘星航 , 钱晨嗣 , 杨妹 , 许锦
IPC: G16H50/80 , G16H40/20 , G06Q10/0639
Abstract: 本发明涉及一种基于计算机软件针对区域疫情风险实现量化分级评估检测的方法，其中，该方法根据不同区域的实际特点，确定某一具体时间范围内该区域的风险等级数值RRL；根据该区域内各个医院的实际运作饱和状态，计算该区域针对疫情风险的医院救治能力等级HS；根据该区域各个医院的救治能力情况，计算该区域确诊人员的感染严重程度等级SI；从而确定该区域最终的风险等级，完成该区域风险量化分级评估。本发明还涉及一种相应的装置、处理器及其存储介质。采用了本发明的相应的方法、装置、处理器及其存储介质，对比传统传播模型的预测方法更侧重实际，结果更真实，同时在数据获取方面更简单，大大降低了传统训练模型所需的训练成本。
-
公开(公告)号：CN110060773B
公开(公告)日：2023-10-27
申请号：CN201910322584.7
申请日：2019-04-22
Applicant: 东华大学 , 万达信息股份有限公司
IPC: G16H50/20 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明提出了一种基于双向LSTM的阿尔茨海默症病情发展预测系统，其特征在于，包括：预处理单元及基于深度学习的双向LSTM结合Attention机制模型。本发明主要从已获取到的神经心理学数据出发，分析数据的时间可利用性，参考深度学习中时间序列问题，把时间这一个关键的属性应用到模型上去。这样就可以降低由于单个时间点做预测而出现的性能问题。同时利用了深度学习中特有的给不同属性附加权重的方法，使得属性值有了各自的权重。
-
公开(公告)号：CN111312354B
公开(公告)日：2023-10-24
申请号：CN202010085426.7
申请日：2020-02-10
Applicant: 东华大学 , 万达信息股份有限公司
IPC: G16H15/00 , G06F40/295 , G06F40/284 , G06F40/169 , G06N3/047 , G06N3/045 , G06N3/092
Abstract: 本发明公开了一种基于多智能体强化学习的乳腺病历实体识别标注增强系统，其特征在于，包括用于将原始数据处理为系统可识别分析的表示形式的乳腺临床电子病历数据预处理模块，对乳腺临床电子病历数据从病历内容、结构特征、语言特征和语义特征进行分析，用于提取文本中的医疗概念实体的医疗临床实体识别模块及用于对从乳腺电子病历中抽取出的错误实体标签进行修正的强化学习标注增强模块。本发明基于部分可观测马尔科夫决策过程设计了针对实体识别序列标注的多智能体强化学习模型，对标注结果进行修正，相比于传统深度学习实体识别模型，有效提高了准确率。
-
公开(公告)号：CN109918672B
公开(公告)日：2023-06-02
申请号：CN201910188140.9
申请日：2019-03-13
Applicant: 东华大学 , 万达信息股份有限公司
Abstract: 本发明涉及一种依照词性词典和依存关系树建立的树形结构化模板，并且参照此模板进行甲状腺超声报告的结构化的方法。总体流程主要包括词性词典建立模块、树形结构模板建立模块、树形模板调用进行结构化三个阶段。词性词典建立模块：对报告进行短句切分，进行短句聚类。然后使用命名实体识别技术，根据器官词ORG、位置词LOC、属性词ATT、属性名，建立完成词性词典。树形模板建立模块：使用依存句法分析得到每个短句的语义关系，使用词性词典得到每个词的词性。结合二者提出一个树形模板建立的流程。树形模板调用模块：使用树形模板进行文本结构化。
-
公开(公告)号：CN111222340A
公开(公告)日：2020-06-02
申请号：CN202010041673.7
申请日：2020-01-15
Applicant: 东华大学 , 万达信息股份有限公司
IPC: G06F40/295 , G16H50/70 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多标准主动学习的乳腺电子病历实体识别系统，其特征在于，包括：预处理模块；实体识别模块；主动学习模块。本发明从标注数据量、句子标注成本、数据采样均衡性三个方面进行考虑，设计了针对文本序列标注的主动学习选择策略以减少标注总工作量。本发明一方面可用于建设乳腺疾病风险患者识别标记、疾病药物推荐、辅助决策诊断等系统，帮助医生提高乳腺疾病规范化诊疗的执行效率，予以科学的依据和建议方案；另一方面，还可以协助医生发现诊疗过程中潜在的非正常情况，降低误诊和漏诊率，提高乳腺疾病患者的治愈几率，对乳腺疾病研究的智能化发展具有重要价值。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.03 seconds)
