-
公开(公告)号：CN118873801A
公开(公告)日：2024-11-01
申请号：CN202410935457.5
申请日：2024-07-12
Applicant: 中国人民解放军总医院第八医学中心
IPC: A61M16/00 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的人机不同步实时检测方法，涉及呼吸机人机不同步检测领域，该方法包括：通过使用模拟肺进行呼吸模拟，获取人机不同步波形模拟数据，进行数据切片、清洗和图像标注，生成人机不同步数据集；基于传统yolov5s网络进行优化，构建轻量化网络架构；基于人机不同步数据集，对轻量化网络架构进行训练，获取人机不同步检测模型；获取实时患者呼吸机波形，预处理后输入人机不同步检测模型，获得人机不同步检测结果，进行呼吸状态判定。本发明解决了现有人机不同步检测方法，存在主观性、检测波形不全面、运行时间较长等的技术问题，达到了通过轻量化人机不同步实时检测，节约检测成本的同时提高检测精准度的技术效果。
-
公开(公告)号：CN117497196A
公开(公告)日：2024-02-02
申请号：CN202311588005.6
申请日：2023-11-27
Applicant: 中国人民解放军总医院第八医学中心
Abstract: 本发明公开一种ICU患者有创通气预测方法和装置、系统、存储介质，包括以下步骤：步骤S1、获取历史ICU患者数据；步骤S2、对历史ICU患者数据进行进行特征工程，得到时序数据和截面数据；步骤S3、根据时序数据和截面数据训练基于LightGBM模型的Stacking多层模型；步骤S4、将待处理的ICU患者数据输入训练好的Stacking多层模型，得到ICU患者有创通气的概率。采用本发明技术方案，具有更佳、更稳定的预测性能。
-
公开(公告)号：CN118675684A
公开(公告)日：2024-09-20
申请号：CN202411039720.9
申请日：2024-07-31
Applicant: 中国人民解放军总医院第八医学中心
IPC: G16H20/00 , G16H50/50 , G06V10/40 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种肺通气量与电阻抗断层成像的模型构建方法，涉及医疗诊断技术领域。为了解决EIT对单一气道廓清手段的监测，缺乏具体的评估流程和实施方案，缺少针对机械通气患者的动态目标导向性肺部物理治方案的问题；本发明包括以下步骤：数据收集与处理、模型构建、治疗方案制定和方案优化；基于EIT监测和关联模型，能够实现对患者肺部通气障碍的个性化评估和分类，为制定个性化的治疗方案提供了依据，通过建立有效的肺部物理治疗方案，能够提升气道分泌物廓清率，减少机械通气肺部相关并发症，提高机械通气疗效，促进患者康复，通过评估肺部物理治疗方案的EIT监测，能够及时发现问题并进行调整，提高了治疗的针对性和有效性。
-
公开(公告)号：CN117765256B
公开(公告)日：2024-07-23
申请号：CN202311763190.8
申请日：2023-12-20
Applicant: 北京建筑大学 , 中国人民解放军总医院第八医学中心
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06T7/00
Abstract: 本发明提出一种基于特征扰动和多尺度注意门的半监督心室图像分割方法，通过给予特征扰动增加模型多样性以及最小化不同输出之间的差异建立起一种端到端的分割方式。该方法能够从未标记数据中的边缘区域捕获到更多有价值的特征。从预测的分割结果中计算出的骰子系数(Dice Similariy Coefficient,DSC)、杰卡德系数(Jaccard similarity coefficient，Jaccard)、95％豪斯多夫距离(The 95％Hausdorff distance,95HD)、平均表面距离(Average Surface Distance,ASD)的值，这几个指标都优于现有的工作方法。此方法探索了深度学习在带标签数据稀缺的医学图像分割方面的优势，使得深度学习与半监督医学图像分割技术更好地结合起来以提高分割的准确性，帮助医生做出更为精准地诊断。
-
公开(公告)号：CN115579143A
公开(公告)日：2023-01-06
申请号：CN202211355506.5
申请日：2022-11-01
Applicant: 北京建筑大学 , 中国人民解放军总医院第八医学中心
Abstract: 本发明提供了一种结合全卷积神经网络与PPG信号的低血压预测方法。该方法包括：对原始的PPG信号进行滤波处理，得到相对平滑无失真的PPG信号；使用近似网络Unet对滤波处理后的PPG信号进行编码、解码和跳跃处理，得到近似处理后的PPG信号，将近似处理后的PPG信号传输给细化网络MultiResUNet；使用细化网络MultiResUNet对近似处理后的PPG信号进行卷积、下采样和特征提取处理，预测出舒张压DBP、平均动脉压MAP和收缩压SBP的值。本发明方法探索了深度学习在大数据预测方面的优势，使得深度学习与医疗数据方面更好的结合起来可以减少医疗资源的浪费，帮助医生提升工作效率。
-
Patent Agency Ranking
公开(公告)号：CN119138858A
公开(公告)日：2024-12-17
申请号：CN202411097578.3
申请日：2024-08-12
Applicant: 中国人民解放军总医院第八医学中心
IPC: A61B5/0205 , A61B5/01 , A61B5/145 , A61B5/00 , G06N3/126
Abstract: 本发明公开了一种基于集成模型的SBT成功率实时预测方法，基于XGBoost模型选择模型常规变量；基于遗传算法GA改进LightGBM模型，建立XG‑GA‑LightGBM模型中的决策模块；进行XG‑GA‑LightGBM模型的模型训练，并得到XG‑GA‑LightGBM模型；将数据输入该模型中，若输出值大于所设阈值时，预测当前时刻实行SBT为成功。基于2小时内的数据预测实行SBT的成功率，不仅能够做到实时预测，还能够适用于现实中数据缺失的情况；以半小时为小范围窗口分割标注后的候选常规数据切片，使特征更具普遍性。
-
公开(公告)号：CN117503092A
公开(公告)日：2024-02-06
申请号：CN202311327306.3
申请日：2023-10-13
Applicant: 中国人民解放军总医院第八医学中心
IPC: A61B5/0507 , A61B5/00 , G16H50/30 , G06F18/24 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于毫米波的ICU谵妄风险实时评估方法，包括S1.训练数据采集，S2.训练数据处理，S3.模型训练，S4.模型应用，通过在任意时刻对ICU患者谵妄类型的识别，实现ICU谵妄风险的实时评估；本发明与现有方法采用脑电波、视频等数据不同，具体采用毫米波设备，利用毫米波全天候、全天时的特性，实现任何环境下对ICU谵妄风险的无死角实时准确评估。
-
公开(公告)号：CN117765256A
公开(公告)日：2024-03-26
申请号：CN202311763190.8
申请日：2023-12-20
Applicant: 北京建筑大学 , 中国人民解放军总医院第八医学中心
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06T7/00
Abstract: 本发明提出一种基于特征扰动和多尺度注意门的半监督心室图像分割方法，通过给予特征扰动增加模型多样性以及最小化不同输出之间的差异建立起一种端到端的分割方式。该方法能够从未标记数据中的边缘区域捕获到更多有价值的特征。从预测的分割结果中计算出的骰子系数(Dice Similariy Coefficient,DSC)、杰卡德系数(Jaccard similarity coefficient，Jaccard)、95％豪斯多夫距离(The 95％Hausdorff distance,95HD)、平均表面距离(Average Surface Distance,ASD)的值，这几个指标都优于现有的工作方法。此方法探索了深度学习在带标签数据稀缺的医学图像分割方面的优势，使得深度学习与半监督医学图像分割技术更好地结合起来以提高分割的准确性，帮助医生做出更为精准地诊断。
-
公开(公告)号：CN117503092B
公开(公告)日：2024-08-16
申请号：CN202311327306.3
申请日：2023-10-13
Applicant: 中国人民解放军总医院第八医学中心
IPC: A61B5/0507 , A61B5/00 , G16H50/30 , G06F18/24 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于毫米波的ICU谵妄风险实时评估方法，包括S1.训练数据采集，S2.训练数据处理，S3.模型训练，S4.模型应用，通过在任意时刻对ICU患者谵妄类型的识别，实现ICU谵妄风险的实时评估；本发明与现有方法采用脑电波、视频等数据不同，具体采用毫米波设备，利用毫米波全天候、全天时的特性，实现任何环境下对ICU谵妄风险的无死角实时准确评估。
-
公开(公告)号：CN115579143B
公开(公告)日：2023-04-18
申请号：CN202211355506.5
申请日：2022-11-01
Applicant: 北京建筑大学 , 中国人民解放军总医院第八医学中心
IPC: G16H50/30 , A61B5/00 , A61B5/021 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明提供了一种结合全卷积神经网络与PPG信号的低血压预测方法。该方法包括：对原始的PPG信号进行滤波处理，得到相对平滑无失真的PPG信号；使用近似网络Unet对滤波处理后的PPG信号进行编码、解码和跳跃处理，得到近似处理后的PPG信号，将近似处理后的PPG信号传输给细化网络MultiResUNet；使用细化网络MultiResUNet对近似处理后的PPG信号进行卷积、下采样和特征提取处理，预测出舒张压DBP、平均动脉压MAP和收缩压SBP的值。本发明方法探索了深度学习在大数据预测方面的优势，使得深度学习与医疗数据方面更好的结合起来可以减少医疗资源的浪费，帮助医生提升工作效率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
