-
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。
-
公开(公告)号：CN110060773A
公开(公告)日：2019-07-26
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
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。
-
Patent Agency Ranking
公开(公告)号：CN110263336B
公开(公告)日：2023-06-23
申请号：CN201910506556.0
申请日：2019-06-12
Applicant: 东华大学 , 万达信息股份有限公司
IPC: G06F16/36 , G06F40/295 , G06F40/30 , G06F40/242 , G06N3/0442 , G06N3/047 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种构建乳腺超声领域本体的方法，包括以下步骤：对乳腺超声文本数据进行预处理；对预处理后的乳腺超声文本数据中的句子进行实体词的识别，并根据实体关系抽取算法获取实体关系三元组；将得到的实体关系三元组添加到乳腺超声领域本体的基础框架对应的节点下得到乳腺超声领域本体。本发明能够有效提高乳腺超声报告中的结构化水平。
-
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：CN111312354A
公开(公告)日：2020-06-19
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 , G06N3/04 , G06N3/08
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：CN110236543B
公开(公告)日：2021-06-11
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。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.029 seconds)
