-
公开(公告)号：CN118571502B
公开(公告)日：2024-10-18
申请号：CN202411053078.X
申请日：2024-08-02
Applicant: 之江实验室
IPC: G16H50/70 , G16H10/20 , G16H10/60 , G06N5/025 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于知识引导域自适应的多中心医学数据处理方法、系统、设备、介质，包括：基于通用医学概念以及其关系、每一中心私有域中的本地医学概念及其与通用医学概念之间的关系、不同中心私有域中的本地医学概念之间的关系构建医学知识图谱；对源中心患者数据、目标中心患者数据进行编码得到源中心数据特征、目标中心数据特征；基于源中心患者数据、目标中心患者数据根据医学知识图谱构建源中心患者子图、目标中心患者子图；对源中心患者子图、目标中心患者子图进行处理，得到源中心知识特征、目标中心知识特征；设置损失函数，所述损失函数包括根据下游医学任务设置的损失，并通过对抗学习得到每一医疗中心患者之间的跨域不变特征。
-
公开(公告)号：CN116364299B
公开(公告)日：2024-02-13
申请号：CN202310338675.6
申请日：2023-03-30
Applicant: 之江实验室
IPC: G16H50/70 , G16H50/20 , G16H10/60 , G06F16/36 , G06F17/16 , G06F18/23213 , G06N3/0464
Abstract: 本发明公开一种基于异构信息网络的疾病诊疗路径聚类方法，包括：获取包含诊疗数据和诊疗事件关系的医疗数据；基于所述诊疗事件关系对诊疗数据中的诊疗事件结点进行拓扑连接，构建异构信息网络；基于给定的元路径，通过注意力机制对所述异构信息网络中不同类型诊疗事件的语义关系进行处理，获得诊疗事件邻接矩阵；根据患者的历史诊疗数据，构建基于时序的患者就诊矩阵并与诊疗事件邻接矩阵通过图卷积变换，获得对应的患者特征矩阵；采用K‑Means聚类算法对所述患者特征矩阵进行聚类，并基于聚类结果对相似患者的诊疗数据进行临床分析。本发明还提供了一种疾病诊疗路径聚类系统。本发明提供的方法可以辅助医生进行疾病分型，从而制定精准化治疗方案。
-
公开(公告)号：CN117094412A
公开(公告)日：2023-11-21
申请号：CN202311045465.4
申请日：2023-08-18
Applicant: 之江实验室
Abstract: 本发明公开了一种针对非独立同分布医疗场景下的联邦学习方法，本发明首先将类别标签变量分布相近的医疗机构分在同一个簇内，训练过程中，先对在每个簇内的本地训练后得到的本地模型权值进行联邦平均得到对应簇模型的更新权值，从而能够减少由于数据不平衡对准确预测联邦平均结果的影响，然后将能够获得较为准确的联邦平均结果的各个簇模型的更新权值进行整合得到当前迭代的全局模型权值，通过多次迭代得到能够准确对疾病诊断、用药推荐以及治疗方案等医疗问题进行预测的全局模型。本发明还公开了一种针对非独立同分布医疗场景下的联邦学习装置和存储介质。
-
公开(公告)号：CN117012375A
公开(公告)日：2023-11-07
申请号：CN202311284104.5
申请日：2023-10-07
Applicant: 之江实验室
Abstract: 本发明公开了一种基于患者拓扑特征相似性的临床决策支持方法和系统，该方法包括：采集患者的电子健康记录数据；对电子健康记录数据进行预处理，得到标准化的每个患者的诊疗事件；根据每个患者的诊疗事件以及医疗知识图谱构建患者的异构图；通过一阶共有邻居计算患者之间的一阶相似性，通过异构元路径挖掘患者间的高阶相似性，融合两种相似性得到患者间的相似度；对相似度排序得到M个相似度最高的患者，根据该M个患者的电子健康记录数据进行临床分析，得到分析结果为医生设计治疗方案提供指导。本发明不需要专家知识库，可以兼容不同的医疗领域，同时避免了长时间训练和黑盒特性，有利于节省时间成本，有助于增强泛化能力和可解释性。
-
公开(公告)号：CN117009839A
公开(公告)日：2023-11-07
申请号：CN202311267386.8
申请日：2023-09-28
Applicant: 之江实验室
Abstract: 本申请涉及一种基于异构超图神经网络的患者聚类方法和装置，其中，该基于异构超图神经网络的患者聚类方法包括：根据各个对象的电子病历信息，构建与对象对应的异构超图；将目标模型中表示学习模块对应的重构损失函数，以及目标模型中对象聚类模块对应的聚类损失函数作为模型整体损失，对目标模型进行训练，直至目标模型收敛，输出对象聚类模块中的最终聚类结果；其中，在目标模型的训练过程中，基于每次表示学习模块从异构超图中学习到的节点表示矢量，更新对象聚类模块中的聚类结果；节点表示矢量为异构超图中每个对象的就诊记录节点对应的表示矢量。通过本申请，解决了无法获取准确的聚类结果的问题，实现了提高聚类结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116502129B
公开(公告)日：2023-09-22
申请号：CN202310740799.7
申请日：2023-06-21
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/23213 , G06F18/25 , G06F16/36 , G06N3/0464 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084 , G16H10/60 , G16H50/20 , G16H50/30
Abstract: 本发明公开了一种知识与数据协同驱动的不平衡临床数据分类系统，包括：患者图谱构建模块，用于从患者电子病历数据中提取医学概念集合，基于医学概念集合和对应的关系集合构建患者图谱；患者表示获取模块，使用图卷积网络从患者图谱中提取含图结构信息的知识特征，融合知识特征和数据特征，得到患者表示；患者临床分类结果获取模块，将患者表示输入至临床数据分类模型中，所述临床数据分类模型由一个门控网络和多个专家网络组成，将患者表示同时输入到门控网络和各专家网络，其中门控网络为每个专家网络分配不同的患者权重，各专家网络基于患者权重分别输出分类结果；对每个专家网络输出的分类结果进行组合，获得患者临床分类结果。
-
公开(公告)号：CN116364290A
公开(公告)日：2023-06-30
申请号：CN202310644753.5
申请日：2023-06-02
Applicant: 之江实验室
IPC: G16H50/30 , G16H10/60 , G06F18/10 , G06F18/24 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于多视图对齐的血透表征识别与并发症风险预测系统，包括用于采集和整理血透患者数据的数据准备模块，以及用于血透表征识别与并发症风险预测的血透表征识别模块。本发明采用多视图表征输入方法，获取患者的个体特征数据、用药数据、诊断数据以及检查数据，通过特征提取单元和多视图映射单元构建多种患者视图，提供患者的综合表示。本发明利用不同特征提取单元对不同类型患者数据进行特征提取，保留不同数据的语义信息，并通过构建不同视图的一致性损失项和互补性损失项，挖掘不同视图间潜在的互补性与一致性信息，获取更加完备且不冗余的特征表示，从而提升学习任务的性能。本发明能够为临床预测提供准确、有效的决策支持。
-
公开(公告)号：CN115719647B
公开(公告)日：2023-04-11
申请号：CN202310029096.3
申请日：2023-01-09
Applicant: 之江实验室
Abstract: 本发明公开了融合主动学习和对比学习的血透并发心血管疾病预测系统，包括：血透数据准备模块，用于利用医院电子信息系统和日常监测设备提取患者样本的结构化数据，并对所述结构化数据处理得到扩增结构化数据；血透并发心血管疾病风险预测模块，用于构建风险评价模型，将所述扩增结构化数据通过所述风险评价模型训练学习得到患者表征和评分，并利用所述患者表征和评分进行血透并发心血管疾病风险预测。本发明解决正负样本匹配问题，利用血透并发心血管疾病的真实标签数据，迭代式地更新对比学习模型参数，利用真实的并发症结果标签提升模型性能；解决采集的样本过少或者阳性样本和阴性样本数量不平衡的问题，同时减少扩增数据与原始数据的差异性。
-
公开(公告)号：CN115359870B
公开(公告)日：2023-03-24
申请号：CN202211287887.8
申请日：2022-10-20
Applicant: 之江实验室
IPC: G16H10/60 , G16H50/20 , G16H50/70 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于层次图神经网络的疾病诊疗过程异常识别系统，包括数据采集模块、数据预处理模块、层次图神经网络构建模块、诊疗过程异常评分计算模块和诊疗过程异常识别应用模块。本发明提出层次图神经网络模型构建和训练方法，对复杂的纵向电子病历数据进行建模分析，实现对时序信息和共现信息的融合利用；本发明将疾病诊疗过程异常分为诊疗事件异常、就诊异常和患者异常三个层次，由低层次、细粒度的诊疗事件层次到高层次、粗粒度的患者层次，设计诊疗过程异常的分层量化和综合评价方法，并给出诊疗过程异常的分类方法，精确定位异常具体发生在哪次就诊哪个诊疗步骤。
-
公开(公告)号：CN114913982B
公开(公告)日：2022-10-11
申请号：CN202210838416.5
申请日：2022-07-18
Applicant: 之江实验室
Abstract: 本发明公开了一种基于对比学习的终末期肾病并发症风险预测系统，包括终末期肾病数据准备模块，用于利用医院电子信息系统和日常监测设备提取患者的结构化数据，并对所述结构化数据处理得到扩增结构化数据；并发症风险预测模块，用于构建并发症表征学习模型和并发症风险预测模型，将所述扩增结构化数据通过所述并发症表征学习模型训练学习得到并发症表征，并利用所述并发症表征通过所述并发症风险预测模型进行终末期肾病并发症风险预测。本发明基于倾向性得分匹配与SMOTE结合，进行数据扩增和正负样本匹配，以扩增结构化的终末期肾病数据，并解决正负样本不均衡的问题；从多个角度防止特征崩溃现象，获得更好的表征效果，从而提高模型性能。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.062 seconds)
