-
公开(公告)号：CN117093884B
公开(公告)日：2023-12-29
申请号：CN202311257184.5
申请日：2023-09-27
Applicant: 北京大学
IPC: G06F18/23 , G06N3/09 , G06F18/214
Abstract: 本申请提供一种基于层次聚类的多模态对比学习样本构建方法及系统，从层次聚类图的各个聚类中确定锚定样本所处的目标聚类；根据目标聚类的目标聚类质心和锚定样本的监督信息，以所述目标聚类在层次聚类图中的位置为基准遍历所述层次聚类图，从层次聚类图中确定锚定样本对应至少一个正聚类和至少一个分歧聚类；根据层次聚类图中的各个聚类、各个正聚类和各个分歧聚类，确定锚定样本对应的至少一个负聚类；根据锚定样本、目标聚类、各个正聚类中的正样本和各个负聚类中的负样本，生成多个对比样本对，以便利用对比样本对对模型进行训练，实现正确划分正负样本，提高模型的性能指标为目的。
-
Patent Agency Ranking
公开(公告)号：CN113488182A
公开(公告)日：2021-10-08
申请号：CN202110571974.5
申请日：2021-05-25
Applicant: 北京大学
Abstract: 本申请涉及数据处理技术领域，具体来说，本申请涉及多源异构医疗化验检查数据处理方法、装置、设备及介质。所述方法包括：获取预设疾病化验检查指标的多源自定义数据集；对所述多源自定义数据集进行预处理，形成规范化原始数据；将所述规范化原始数据分为预设字段，所述预设字段至少包括指标名称、计量单位、参考范围和检验结果；建立所述规范化原始数据字段与标准化字段的多对一映射；对映射后结果根据计量单位的标准化系数建立不同计量单位间的可计算模块，联动计算检验结果，生成通用数据模型。本申请所述方法可减少在数据处理时对人工操作的依赖，提升对常见慢性非传染性疾病多源异构化验检查数据处理的效率。
-
公开(公告)号：CN119679424A
公开(公告)日：2025-03-25
申请号：CN202411932014.7
申请日：2024-12-26
Applicant: 北京大学 , oppo广东移动通信有限公司
IPC: A61B5/318 , A61B5/366 , A61B5/36 , A61B5/353 , A61B5/355 , A61B5/363 , A61B5/00 , G16H50/70 , G06N3/0464 , G06N3/094 , G06N3/098
Abstract: 本发明公开了一种无创血钾浓度估算方法、装置、计算机设备及存储介质，属于血钾检测技术领域。对真实心电图数据和仿真心电图数据进行特征提取，得到关键生理特征；将真实心电图数据和仿真心电图数据混合得到混合数据集，将混合数据集划分为训练集、验证集和测试集；构建深度学习模型，包括卷积模块、特征压缩模块、全局特征聚合模块和分类输出模块；基于训练集对深度学习模型训练，基于验证集对训练过程中的深度学习模型评估得到训练好的深度学习模型；将测试集输入到训练好的深度学习模型中进行血钾浓度估算，得到估算结果。由此，利用真实数据与仿真数据结合，通过深度学习模型训练估算无创血钾浓度，精度高，方法简便，适用范围广。
-
公开(公告)号：CN115394435B
公开(公告)日：2023-04-25
申请号：CN202211103092.7
申请日：2022-09-09
Applicant: 北京大学
Abstract: 本发明公开了基于深度学习的关键临床指标实体识别方法和系统，该方法包括：根据慢性肾脏病原始临床指标数据建立原始指标实体库；基于专家标记法建立慢性肾脏病的关键指标实体知识库；基于EntityEmbeddings算法构建指标实体归一化模型，形成原始指标实体库和关键指标实体知识库之间映射关系和分类器；将待处理的化验数据输入至指标实体归一化模型得到分类结果。相对于现有技术而言，本发明的技术方案实现了高效、精准的多源慢性肾脏病临床关键指标的自动化识别，可靠性强，准确度高，具有良好的推广应用前景。
-
公开(公告)号：CN117093884A
公开(公告)日：2023-11-21
申请号：CN202311257184.5
申请日：2023-09-27
Applicant: 北京大学
IPC: G06F18/23 , G06N3/09 , G06F18/214
Abstract: 本申请提供一种基于层次聚类的多模态对比学习样本构建方法及系统，从层次聚类图的各个聚类中确定锚定样本所处的目标聚类；根据目标聚类的目标聚类质心和锚定样本的监督信息，以所述目标聚类在层次聚类图中的位置为基准遍历所述层次聚类图，从层次聚类图中确定锚定样本对应至少一个正聚类和至少一个分歧聚类；根据层次聚类图中的各个聚类、各个正聚类和各个分歧聚类，确定锚定样本对应的至少一个负聚类；根据锚定样本、目标聚类、各个正聚类中的正样本和各个负聚类中的负样本，生成多个对比样本对，以便利用对比样本对对模型进行训练，实现正确划分正负样本，提高模型的性能指标为目的。
-
公开(公告)号：CN115394435A
公开(公告)日：2022-11-25
申请号：CN202211103092.7
申请日：2022-09-09
Applicant: 北京大学
Abstract: 本发明公开了基于深度学习的关键临床指标实体识别方法和系统，该方法包括：根据慢性肾脏病原始临床指标数据建立原始指标实体库；基于专家标记法建立慢性肾脏病的关键指标实体知识库；基于EntityEmbeddings算法构建指标实体归一化模型，形成原始指标实体库和关键指标实体知识库之间映射关系和分类器；将待处理的化验数据输入至指标实体归一化模型得到分类结果。相对于现有技术而言，本发明的技术方案实现了高效、精准的多源慢性肾脏病临床关键指标的自动化识别，可靠性强，准确度高，具有良好的推广应用前景。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
