-
公开(公告)号：CN119811690A
公开(公告)日：2025-04-11
申请号：CN202510293561.3
申请日：2025-03-13
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G16H50/70 , G06N3/045 , G06N3/084 , G06F18/213 , G06F18/25 , G06F18/214 , G06F18/22 , G06F18/2415 , G06F18/2431 , G06F18/2433
Abstract: 本发明涉及一种存在样本不平衡时的中医证候预测方法，属于证候预测技术领域，解决了现有技术中无法准确进行证候预测的问题。方法包括：获取患者的症状文字描述并转换为初始特征，基于患者的初始特征、证候和证素构建训练样本集；构建神经网络模型，所述神经网络模型包括证候预测任务和证素预测任务；其中证候预测任务包括样本的大类证候和细分证候的预测；基于构建的训练样本集训练所述神经网络模型，得到证候预测模型；将待预测患者的症状文字描述转换为初始特征；基于训练好的证候预测模型预测待预测患者存在每种证候大类的概率；基于待预测患者存在每种大类证候的概率确定待预测患者的证候。实现了准确可解释的证候预测。
-
公开(公告)号：CN119811689A
公开(公告)日：2025-04-11
申请号：CN202510293559.6
申请日：2025-03-13
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G16H50/70 , G06N3/045 , G06N3/084 , G06N5/022 , G06F18/15 , G06F18/213 , G06F18/25 , G06F18/214 , G06F18/2431 , G06F18/2415 , G06F18/2433
Abstract: 本发明涉及一种融合大语言模型与知识图谱的中医证候预测方法，属于证候预测技术领域，解决了现有技术中预测准确率低的问题。方法包括：将待预测患者的初始特征输入证候预测模型预测待预测患者存在每种大类证候的第一概率；分别采用大语言模型和知识图谱确定待预测患者存在每种证候的第二概率和第三概率；基于待预测患者存在每种大类证候的第一概率、第二概率和第三概率得到待预测患者存在每种大类证候的综合概率；基于待预测患者存在每种细分证候第二概率和第三概率，以及待预测患者与每个细分证候的相似度确定待预测患者存在每个细分证候的综合概率；基于每种大类证候和每个细分证候的综合概率得到待预测患者的证候。实现了准确的证候预测。
-
公开(公告)号：CN119339918A
公开(公告)日：2025-01-21
申请号：CN202411382189.5
申请日：2024-09-30
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G16H50/20 , A61B5/00 , G16H20/90 , G06F18/214 , G06F18/23 , G06N3/0895 , G06N3/0455 , G06N3/048 , G06N3/084 , G06F40/284 , G06F40/30
Abstract: 本发明涉及一种基于自监督学习的中医证候预测模型预训练方法和系统，属于医疗保健信息处理技术领域，解决了现有技术中特征提取不准确的问题。方法包括以下步骤：收集患者症状描述信息，基于获取的患者症状描述信息构建症状语料库及训练样本集；基于所述症状语料库对所述训练样本集中的每条原始样本进行数据增强，生成每条原始样本对应的合成正样本和合成负样本；构建自监督学习模型，基于增强后的训练样本集对所述自监督学习模型进行预训练，得到中医证候预测预训练模型。实现了更准确的特征提取，提高后续任务的性能。
-
公开(公告)号：CN119339917B
公开(公告)日：2025-05-06
申请号：CN202411382188.0
申请日：2024-09-30
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G16H50/20 , A61B5/00 , G16H20/90 , G06F18/214 , G06F18/213 , G06F18/25 , G06F18/24 , G06N3/045 , G06N3/048 , G06N3/084 , G06F18/23 , G06F40/284
Abstract: 本发明涉及一种基于协同过滤的中医证素预测方法，属于医疗信息处理技术领域，解决了现有技术中证素预测准确性低的问题。方法包括：获取患者的症状描述信息和对应的证候及证素构建训练样本集；构建多任务神经协同过滤网络，基于所述训练样本集训练所述多任务神经协同过滤网络，得到训练好的证素预测模型；所述多任务包括证素预测任务和证候预测任务将待预测患者的症状描述信息输入训练好的证素预测模型得到患者的证素预测结果。实现了准确高效的证素预测。
-
Patent Agency Ranking
公开(公告)号：CN119339918B
公开(公告)日：2025-04-11
申请号：CN202411382189.5
申请日：2024-09-30
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G16H50/20 , A61B5/00 , G16H20/90 , G06F18/214 , G06F18/23 , G06N3/0895 , G06N3/0455 , G06N3/048 , G06N3/084 , G06F40/284 , G06F40/30
Abstract: 本发明涉及一种基于自监督学习的中医证候预测模型预训练方法和系统，属于医疗保健信息处理技术领域，解决了现有技术中特征提取不准确的问题。方法包括以下步骤：收集患者症状描述信息，基于获取的患者症状描述信息构建症状语料库及训练样本集；基于所述症状语料库对所述训练样本集中的每条原始样本进行数据增强，生成每条原始样本对应的合成正样本和合成负样本；构建自监督学习模型，基于增强后的训练样本集对所述自监督学习模型进行预训练，得到中医证候预测预训练模型。实现了更准确的特征提取，提高后续任务的性能。
-
公开(公告)号：CN119339917A
公开(公告)日：2025-01-21
申请号：CN202411382188.0
申请日：2024-09-30
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G16H50/20 , A61B5/00 , G16H20/90 , G06F18/214 , G06F18/213 , G06F18/25 , G06F18/24 , G06N3/045 , G06N3/048 , G06N3/084 , G06F18/23 , G06F40/284
Abstract: 本发明涉及一种基于协同过滤的中医证素预测方法，属于医疗信息处理技术领域，解决了现有技术中证素预测准确性低的问题。方法包括：获取患者的症状描述信息和对应的证候及证素构建训练样本集；构建多任务神经协同过滤网络，基于所述训练样本集训练所述多任务神经协同过滤网络，得到训练好的证素预测模型；所述多任务包括证素预测任务和证候预测任务将待预测患者的症状描述信息输入训练好的证素预测模型得到患者的证素预测结果。实现了准确高效的证素预测。
-
公开(公告)号：CN118674682A
公开(公告)日：2024-09-20
申请号：CN202410615505.2
申请日：2024-05-17
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京纳通智能科技有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本公开涉及一种超声造影输卵管图像处理方法、装置、设备及存储介质。获取四维超声输卵管图像，其中，四维超声输卵管图像是包含两侧输卵管的实时造影图像；利用预先训练的输卵管类别检测模型中的特征提取模块，从四维超声输卵管图像中提取浅层空间特征和深层空间特征；利用预先训练的输卵管类别检测模型中的输卵管类别检测模块，对浅层空间特征和深层空间特征进行处理，确定两侧输卵管分别对应的检测类别。由于四维超声输卵管图像能够实时显示造影剂自导管进入宫腔至输卵管显影的全过程，其具有清晰真实、动态直观的优点，因此，通过输卵管类别检测模型对四维超声输卵管图像处理，在降低风险性的前提下，还提高了输卵管类别检测的精准度。
-
公开(公告)号：CN118710579A
公开(公告)日：2024-09-27
申请号：CN202410615508.6
申请日：2024-05-17
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京纳通智能科技有限公司
IPC: G06T7/00 , G06V10/40 , G06V10/764 , A61B8/08
Abstract: 本公开涉及一种四维超声造影输卵管图像处理方法、装置、设备及介质。获取四维超声输卵管图像，其中，四维超声输卵管图像是包含两侧输卵管的实时造影图像；利用输卵管类别检测模型中特征提取模块的浅层注意力特征提取网络，从四维超声输卵管图像中提取浅层注意力特征；利用输卵管类别检测模型中特征提取模块的深层注意力特征提取网络，从浅层注意力特征中提取深层注意力特征；基于输卵管类别检测模型中的输卵管类别检测模块，对浅层注意力特征和深层注意力特征进行处理，确定两侧输卵管分别对应的检测类别。由此，降低了输卵管类别检测的风险性并提高精准度。
-
公开(公告)号：CN118735852A
公开(公告)日：2024-10-01
申请号：CN202410615509.0
申请日：2024-05-17
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京纳通智能科技有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本公开涉及一种二维超声造影输卵管图像处理方法、装置、设备及介质。获取多帧二维超声输卵管图像，其中，多帧二维超声输卵管图像包括两侧输卵管的图像信息；将多帧二维超声输卵管图像转换成多帧预设通道数的特征图；利用输卵管类别检测模型中微调好的卷积神经网络模型，对多帧预设通道数的特征图进行处理，确定多帧预设通道数的特征图的待分类特征；利用输卵管类别检测模型中的输卵管类别检测模块，对多帧预设通道数的特征图的待分类特征进行处理，确定两侧输卵管分别对应的检测类别。由此，在降低风险性的前提下，还提高了输卵管类别检测的精准度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.039 seconds)
