-
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：CN116502129A
公开(公告)日：2023-07-28
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：CN114566289B
公开(公告)日：2022-08-09
申请号：CN202210444327.2
申请日：2022-04-26
Applicant: 之江实验室
IPC: G16H50/70 , G16H50/50 , G06K9/62 , G06V10/762
Abstract: 本发明公开了一种基于多中心临床数据防作弊分析的疾病预测系统，本发明利用区块链技术共享伪数据，并让所有医疗机构在本地利用加权聚类模型根据伪数据计算数据质量系数，保证临床数据量少的医疗机构的真实临床数据能够被充分利用的同时还使得医疗机构无法对本地临床数据质量评价结果进行作弊。本发明设计的模型参数投票迭代机制，每轮迭代中根据投票结果保留一家医疗机构提供的模型参数，可以使得质量好的临床数据在模型训练中发挥更大作用。本发明设计的投票权的初始化和更新机制，以及在迭代投票过程中的作弊检测机制，让临床数据质量好的医疗机构拥有更多投票权，也防止了单家或多家医疗机构勾结篡改投票结果。
-
公开(公告)号：CN116168789B
公开(公告)日：2023-07-18
申请号：CN202310456988.1
申请日：2023-04-26
Applicant: 之江实验室
IPC: G16H10/00 , G06F21/60 , G06F21/62 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种多中心医疗数据生成系统，包括医疗数据量权重计算模块、多中心对抗生成网络训练模块和多中心医疗数据生成模块，在各家医疗机构不公开真实数据量的情况下计算各家医疗机构的医疗数据量权重；采用生成器和判别器分离的架构，在计算服务器中构造并训练生成器，在各个医疗机构构造并训练判别器，各家医疗机构仅将带权重的生成器损失发送给计算服务器；计算服务器聚合带权重的生成器损失，更新生成器；利用训练完成的生成器生成多中心合成医疗数据，提供给用户使用。本发明还提供了一种多中心医疗数据生成方法。本发明可以更好的保护患者隐私和数据安全，能够得到更符合真实的多中心医疗数据分布的合成医疗数据。
-
Patent Agency Ranking
公开(公告)号：CN115862848A
公开(公告)日：2023-03-28
申请号：CN202310116468.6
申请日：2023-02-15
Applicant: 之江实验室
Abstract: 本发明公开了一种基于临床数据筛选和医学知识图谱的疾病预测系统及装置，包括初始化模块、医学知识图谱边权重训练模块、疾病诊断预测模块和解释模块；初始化模块：用于构建医学知识图谱以及提取并处理临床数据；所述初始化模块包括：医学知识图谱构建子模块和临床数据提取与处理子模块；医学知识图谱边权重训练模块包括医学知识图谱边权重训练网络、图计算诊断预测子模块和数据筛选子模块针对基于规则的疾病诊断预测系统的无法量化症状与疾病诊断关系、查全率差的问题，本发明利用临床数据中症状与疾病诊断的共现信息，训练医学知识图谱边权重。本系统在预测疾病诊断结果时，可以定量地展示症状对疾病诊断的影响。
-
公开(公告)号：CN114566289A
公开(公告)日：2022-05-31
申请号：CN202210444327.2
申请日：2022-04-26
Applicant: 之江实验室
IPC: G16H50/70 , G16H50/50 , G06K9/62 , G06V10/762
Abstract: 本发明公开了一种基于多中心临床数据防作弊分析的疾病预测系统，本发明利用区块链技术共享伪数据，并让所有医疗机构在本地利用加权聚类模型根据伪数据计算数据质量系数，保证临床数据量少的医疗机构的真实临床数据能够被充分利用的同时还使得医疗机构无法对本地临床数据质量评价结果进行作弊。本发明设计的模型参数投票迭代机制，每轮迭代中根据投票结果保留一家医疗机构提供的模型参数，可以使得质量好的临床数据在模型训练中发挥更大作用。本发明设计的投票权的初始化和更新机制，以及在迭代投票过程中的作弊检测机制，让临床数据质量好的医疗机构拥有更多投票权，也防止了单家或多家医疗机构勾结篡改投票结果。
-
公开(公告)号：CN113990495A
公开(公告)日：2022-01-28
申请号：CN202111609275.1
申请日：2021-12-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于图神经网络的疾病诊断预测系统，该系统包括知识图谱构建模块、数据提取与预处理模块、疾病诊断模型构建模块和疾病诊断模型应用模块。本发明有效整合知识图谱中的专家知识和电子病历数据，构建异构图网络。在异构图网络上，利用图卷积神经网络方法，学习异构图网络的局部信息和全局信息。疾病诊断模型可以对知识和数据同时进行端到端的训练。在模型优化目标中，除了优化疾病预测任务，同时加入对知识关系的监督信息，从而保证疾病预测任务可以有效利用知识，也保证知识表示不受数据噪声的影响。针对预测疾病数量多，部分疾病对应患者数量有限的问题，设计多标签层次分类，用于提高少样本类别疾病的预测效果。
-
公开(公告)号：CN116168789A
公开(公告)日：2023-05-26
申请号：CN202310456988.1
申请日：2023-04-26
Applicant: 之江实验室
IPC: G16H10/00 , G06F21/60 , G06F21/62 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种多中心医疗数据生成系统，包括医疗数据量权重计算模块、多中心对抗生成网络训练模块和多中心医疗数据生成模块，在各家医疗机构不公开真实数据量的情况下计算各家医疗机构的医疗数据量权重；采用生成器和判别器分离的架构，在计算服务器中构造并训练生成器，在各个医疗机构构造并训练判别器，各家医疗机构仅将带权重的生成器损失发送给计算服务器；计算服务器聚合带权重的生成器损失，更新生成器；利用训练完成的生成器生成多中心合成医疗数据，提供给用户使用。本发明还提供了一种多中心医疗数据生成方法。本发明可以更好的保护患者隐私和数据安全，能够得到更符合真实的多中心医疗数据分布的合成医疗数据。
-
公开(公告)号：CN113990495B
公开(公告)日：2022-04-29
申请号：CN202111609275.1
申请日：2021-12-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于图神经网络的疾病诊断预测系统，该系统包括知识图谱构建模块、数据提取与预处理模块、疾病诊断模型构建模块和疾病诊断模型应用模块。本发明有效整合知识图谱中的专家知识和电子病历数据，构建异构图网络。在异构图网络上，利用图卷积神经网络方法，学习异构图网络的局部信息和全局信息。疾病诊断模型可以对知识和数据同时进行端到端的训练。在模型优化目标中，除了优化疾病预测任务，同时加入对知识关系的监督信息，从而保证疾病预测任务可以有效利用知识，也保证知识表示不受数据噪声的影响。针对预测疾病数量多，部分疾病对应患者数量有限的问题，设计多标签层次分类，用于提高少样本类别疾病的预测效果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.033 seconds)
