一种基于广义神经网络聚类的疾病病种诊疗方案预测方法

    公开(公告)号:CN104915560A

    公开(公告)日:2015-09-16

    申请号:CN201510318838.X

    申请日:2015-06-11

    Abstract: 本发明在研究过程中针对医疗数据的复杂性和不确定性,以及能迅速的为临床医生提供辅助决策支持,基于此,本发明以医疗机构的电子病历为基础,以实现对患者采用不同治疗方案中最优治疗方案为目的的研究。以住院的高血压患者为背景,通过提取患者住院期间的个人信息、体征信息和检验检查指标等特征信息,采用FCM模糊聚类分析方法对患者的病症特征进行模糊划分,获得聚类结果,并在此基础上构建基于减法聚类FCM算法的广义神经网络模型,对模糊聚类的结果进行网络训练,并将训练结果反馈到电子病历中,并针对新患者在接受临床路径时可能产生的治疗效果和治疗费用等进行预测,从而实现优化临床路径决策的目的。

    一种环境变化对疾病发病影响的分析预测装置

    公开(公告)号:CN104809335B

    公开(公告)日:2019-03-05

    申请号:CN201510170135.7

    申请日:2015-04-10

    Abstract: 本发明通过对门诊量数据与气象变化和环境污染数据的关联情况进行分析,构建基于非参数泊松回归模型的环境变化对疾病发病率的影响程度的定量分析模型,并在此基础上构建基于支持向量回归机的环境变化对门诊量影响的预测模型,对医院各科室的每周门诊量进行预测。使患者能够提前规避致病的不良气象条件和环境污染因素的影响,合理的安排日常活动;医院能够针对高发疾病合理配置各个科室的医疗资源和人手;公共卫生部门能够提前做好应急准备等,对特定人群进行提前干预,从而减少疾病的发病率,提高人类生活质量。

    一种环境变化对疾病发病影响的分析预测模型

    公开(公告)号:CN104809335A

    公开(公告)日:2015-07-29

    申请号:CN201510170135.7

    申请日:2015-04-10

    Abstract: 本发明通过对门诊量数据与气象变化和环境污染数据的关联情况进行分析,构建基于非参数泊松回归模型的环境变化对疾病发病率的影响程度的定量分析模型,并在此基础上构建基于支持向量回归机的环境变化对门诊量影响的预测模型,对医院各科室的每周门诊量进行预测。使患者能够提前规避致病的不良气象条件和环境污染因素的影响,合理的安排日常活动;医院能够针对高发疾病合理配置各个科室的医疗资源和人手;公共卫生部门能够提前做好应急准备等,对特定人群进行提前干预,从而减少疾病的发病率,提高人类生活质量。

    可插拔组件化定制数据汇聚表单的引擎实现方法

    公开(公告)号:CN118069247A

    公开(公告)日:2024-05-24

    申请号:CN202410253615.9

    申请日:2024-03-06

    Abstract: 本发明公开了一种可插拔组件化定制数据汇聚表单的引擎实现方法,其特征在于,包括表单引擎插件以及表单生成器,其中:表单引擎插件用于渲染一套表单题目;表单生成器用于将若干表单引擎插件组合起来,使拥有独立逻辑的各个表单引擎插件在统一的规则下运行,形成一个完整的表单。本发明的表单生成器和表单引擎插件将表单生成逻辑和题目内部逻辑解耦,使得题型或题组能够以插件的形式在表单生成器上灵活地插拔,从而组合出一个满足业务定制需求的表单。由于表单生成器和表单引擎插件是独立存在的,各个表单引擎之间也是独立的,因此表单生成器和各个表单引擎插件都可以进行独立的维护。

    一种呼吸系统疾病门诊量预测方法

    公开(公告)号:CN111508598B

    公开(公告)日:2023-12-08

    申请号:CN202010371187.1

    申请日:2020-05-06

    Abstract: 本发明提供了一种呼吸系统疾病门诊量预测方法,以门诊量数据、空气质量信息以及天气信息为基础,构建时间序列混合预测模型,实现对呼吸系统疾病门诊量的自动化准确预测。该方法既能够刻画门诊量指标的趋势规律,还能够纳入包括空气质量、天气信息在内的多个相关因素对波动规律进行细节刻画。因此,基于该方法能够为医院管理人员提供重要参考,从而帮助管理者判断呼吸系统疾病的发病规律和趋势,辅助管理者进行资源分配、任务规划等决策,为合理分配医疗资源提供量化依据。

    一种基于深度学习的胃镜活检病理数据筛查系统

    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

    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。

    一种异构CPU体系下数据全量迁移的方法

    公开(公告)号:CN112269775A

    公开(公告)日:2021-01-26

    申请号:CN202011154125.1

    申请日:2020-10-26

    Abstract: 本发明提供了一种异构CPU体系下数据全量迁移的方法。本发明提供的方法,解决了异构CPU体系下数据全量迁移完整性的问题,有利于信息系统的向新型软硬件环境迁移,有利于解决无网络环境下的数据迁移,有利于提高数据迁移过程中的完整性和安全性,有利于对迁移数据的备份,有利于识别错误的迁移数据。利用本发明提供的方法可以在不同数据库之间进行数据的全量迁移,简化数据迁移过程,提高数据完整性,并适用于有多种CPU体系的环境。

Patent Agency Ranking