-
公开(公告)号：CN119361057A
公开(公告)日：2025-01-24
申请号：CN202411484271.9
申请日：2024-10-23
Applicant: 万达信息股份有限公司 , 宁波市卫生健康委员会 , 宁波市卫生信息中心
IPC: G16H10/60 , G06F16/334 , G06F16/35 , G06N5/022
Abstract: 本发明公开了一种基于大模型的医学知识约束下患者画像生成方法，基于已有的患者文档和医学知识数据，利用大模型技术进行患者画像生成。本发明提供了一种通过增加符合性校验依据，对大模型的输出进行约束的方法，有效抑制大模型预测过程中的幻觉问题；本发明提供的方法直接使用原始基座大模型，通过构建不同任务的指令完成画像过程，无需训练模型，避免了成本极高的标注过程，使用成本低，操作灵活简单。
-
公开(公告)号：CN114299490B
公开(公告)日：2024-03-29
申请号：CN202111454650.X
申请日：2021-12-01
Applicant: 万达信息股份有限公司 , 上海爱可及医疗科技有限公司
IPC: G06V20/69 , G06V10/26 , G06V10/764 , G06V10/774 , G06T7/00
Abstract: 本发明公开了一种肿瘤微环境异质性评价方法，实现自动化检测Ki67免疫组化图像中的阴阳性细胞核，并定量计算空间异质性，用于评价肿瘤微环境。本发明通过自动标注生成算法实现快速构建有标注数据集，用于细胞核自动检测模型的训练，使用细胞检测模型检测并分类待评估区域的所有细胞，网格划分待评估区域，分别统计每个网格内的阳核比和阴核比，将阴阳性细胞核看做不同的群落使用Morisita‑Horn指数定量评估空间分布。本发明能够快速计算大量病理图像中阴阳性细胞核个数，同时本发明对于异质性的评估更加精确客观，有利于研究人员对肿瘤的微环境进行更进一步的分析。
-
公开(公告)号：CN110188792B
公开(公告)日：2023-09-08
申请号：CN201910312296.3
申请日：2019-04-18
Applicant: 万达信息股份有限公司
IPC: G06V10/40 , G06T7/11 , G06T7/33 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084 , G16H30/40 , G16H50/20
Abstract: 本发明涉及一种前列腺MRI三维图像的图像特征获取方法。本发明通过对前列腺T2WI图像进行自动器官分割，得到相应的前列腺器官区域，并基于分割结果映射到配准后的ADC与DWI图像上，得到多参数前列腺器官区域作为判别模型的输入，结合多参数MRI图像与深度学习算法来获得图像特征。本发明以大量前列腺影像数据为基础，建立前列腺器官自动分割模型，减少了无关背景信息对判别模型的干扰，并使用深度学习的方法融合多参数MRI图像的特征，实现高精度前列腺癌的特征提取，为提升前列腺癌的诊断效率与准确率提供依据。
-
公开(公告)号：CN116110122A
公开(公告)日：2023-05-12
申请号：CN202211631018.2
申请日：2022-12-19
Applicant: 万达信息股份有限公司
IPC: G06V40/20 , G06V10/764 , G06V10/26
Abstract: 本发明公开了一种隐私场景下的护理行为识别方法，本发明在深度图像基础上，提取护理行为中护理人及被护理人的行动特征，以此构建时序和空间范围内的轨迹特征矩阵，利用机器学习相关算法对其进行分析，以此实现隐私场景下的多人参与的护理行为识别和分类。本发明提出的护理行为识别方法不依赖传统图像的特征，不易受到环境和光线变化影响，且方法仅依赖深度图像序列，区别于传统摄像头的音视频采集，可有效保护被识别者的隐私；本发明综合分析了深度图像中多人的身份、行为和图像特征，给出了在参与者行为联合分析基础上的护理行为识别模式，有效弥补传统模型无法识别特别场景下的联合行为的缺陷。
-
公开(公告)号：CN115482150A
公开(公告)日：2022-12-16
申请号：CN202111457895.8
申请日：2021-12-01
Applicant: 万达信息股份有限公司
Abstract: 本发明公开了一种基于自监督学习的脑部核磁共振图像配准方法，利用自监督学习方法，充分挖掘图像自身的特征包括图像语义特征、图像高层特征和图像低层特征等，有效地解决了传统脑部核磁共振配准方法速度慢、流程繁琐的问题。本发明能够更好的对脑部结构进行综合定量分析，或用于后续的其他相关任务。与现有的采用fsl、ants等工具进行脑部核磁共振图像配准的方法相比，本发明能够大大提高配准的速度，在面对大批量配准需求时能够高效的完成配准任务。同时，本发明结合了自监督学习的方法，能有效地让模型学习脑部核磁共振图像的自身特点，并结合其语义信息完成模型的迭代和训练过程，使得模型能够充分保留原始图像的特征，更方便研究人员对脑部结构进行定量分析。
-
Patent Agency Ranking
公开(公告)号：CN111986148B
公开(公告)日：2024-03-08
申请号：CN202010679683.3
申请日：2020-07-15
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06T7/90 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464
-
公开(公告)号：CN116740000A
公开(公告)日：2023-09-12
申请号：CN202310609181.7
申请日：2023-05-26
Applicant: 上海市同济医院 , 万达信息股份有限公司
Abstract: 本发明为一种基于大脑医学影像的AD特征信息分析方法，通过对需分析的脑部MRI影像进行数据预处理，以获得各脑区标准影像；全脑及关键脑区空间特征分析；全脑影像特征分析；全脑及关键脑区认知特征分析；聚合分析结果，以形成相应的解释数据。本发明还公开了一种基于大脑医学影像的AD特征信息分析系统。使用深度学习技术从脑部MRI图像中分析出脑龄、逻辑记忆评分、视觉记忆评分、长时延迟记忆评分等认知指标特征的方法，可为医生提供脑部MRI图像的分析结果以及其他重要医学指标，也为其后续的科研分析及判读提供了有效的论据及解释。
-
公开(公告)号：CN111985536A
公开(公告)日：2020-11-24
申请号：CN202010690425.5
申请日：2020-07-17
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
Abstract: 本发明提供了一种基于弱监督学习的胃镜病理图像分类方法。针对胃镜数字病理图像标注成本高昂，难以获得大型标注数据集的问题，本发明利用易于获取的粗粒度标签构建的大型胃镜病理图像数据集训练得到弱监督网络模型。通过获得的弱监督网络模型提取胃镜病理图像特征，进一步融合胃镜病理图像全局和局部的定性特征，最后通过随机森林分类器实现对整张胃镜病理图像的阴性和阳性分类。利用本发明提供的基于弱监督的胃镜病理图像分类方法，可以为病理医生提供病理数据的筛查信息，辅助临床病理医生的诊断工作，提升其工作效率。
-
公开(公告)号：CN111985536B
公开(公告)日：2024-02-09
申请号：CN202010690425.5
申请日：2020-07-17
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
IPC: G06V10/764 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/54 , G06V10/56 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06T5/73 , G06T5/30 , G06F21/62
Abstract: 本发明提供了一种基于弱监督学习的胃镜病理图像分类方法。针对胃镜数字病理图像标注成本高昂，难以获得大型标注数据集的问题，本发明利用易于获取的粗粒度标签构建的大型胃镜病理图像数据集训练得到弱监督网络模型。通过获得的弱监督网络模型提取胃镜病理图像特征，进一步融合胃镜病理图像全局和局部的定性特征，最后通过随机森林分类器实现对整张胃镜病理图像的阴性和阳性分类。利用本发明提供的基于弱监督的胃镜病理图像分类方法，可以为病(56)对比文件金程笑等.一种基于树搜索的层次多标签乳腺疾病分类诊断方法.智能计算机与应用.2020,第10卷(第2期),第34-39页.胡孔涛.基于弱监督学习的癌症病理图像分割.中国优秀硕士学位论文全文数据库 医药卫生科技辑.2020,(第6期),第E072-31页.Hong-Min Chu等.Deep Generative Modelsfor Weakly-Supervised Multi-LabelClassification.ECCV 2018: ComputerVision.2018,第11206卷第409-425页.Zhipeng Jia等.Constrained Deep WeakSupervision for Histopathology ImageSegmentation.IEEE Transactions on MedicalImaging.2017,第36卷(第11期),第2376-2388页.任福龙等.多核多示例学习的糖尿病视网膜病变诊断.中国图象图形学报.2018,(第4期),第90-101页.
-
公开(公告)号：CN112530582B
公开(公告)日：2023-11-14
申请号：CN202011439113.3
申请日：2020-12-11
Applicant: 万达信息股份有限公司
IPC: G16H50/20 , G16H15/00 , G06F16/35 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供了一种辅助死因分类编码的智能系统，其特征在于，包括：数据预处理模块；ICD‑10类目训练模块；ICD‑10类目预测模块，对于通过数据预处理模块得到的向量化后的文本信息，预测ICD‑10类目编码结果；ICD‑10亚目文本训练模块；ICD‑10亚目文本生成模块，根据通过数据预处理模块得到的向量化后的文本信息，生成死因链中直接死因、中介死因和根本死因对应ICD‑10亚目文本信息；ICD‑10编码生成模块；ICD‑10编码调整模块。本发明提供的系统能够根据死亡报告中的文本信息能够自动生成ICD‑10编码，提高了死因链分析的效率，为医生和医疗机构提供准确的技术支持。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.029 seconds)
