-
公开(公告)号：CN118509271A
公开(公告)日：2024-08-16
申请号：CN202410470551.8
申请日：2024-04-18
申请人： 北方健康医疗大数据科技有限公司
摘要： 本发明涉及流量计费领域，具体公开一种基于区块链的业务系统数据流量计费方法、装置、终端及介质，将计费策略编码成智能合约的形式，并将智能合约部署的区块链网络上；采集业务系统的数据流量信息，并将数据流量信息传输到区块链网络中的节点上；智能合约对数据流量信息进行分析，并根据预设的计费策略进行费用计算；实时输出计费信息在人机交互界面显示；将计费信息在区块链网络上进行广播，待所有参与者验证通过后，将计费信息永久记录在区块链上。本发明确保流量数据的真实性和不可篡改性，实现对业务系统流量的精确计量和实时计费，提高系统的整体安全性，以及增强了系统的适应性和用户交互体验。
-
公开(公告)号：CN117954101B
公开(公告)日：2024-07-05
申请号：CN202410354186.4
申请日：2024-03-27
申请人： 北方健康医疗大数据科技有限公司
摘要： 本申请公开了一种基于人工智能的肺癌存活率预测模型的搭建方法及系统，主要涉及预测模型搭建技术领域，用以解决现有的肺癌模型在训练时通常基于多种类型的数据集进行建模，导致模型在面对具体数据时给出的结果较为宽泛的问题。包括：获得初始样本数据；通过初始样本数据训练预设深度学习算法以获得初始深度学习模型；通过预设特征确定界面，确定影响肺癌存活率的关键因子和当前患者的基础信息；进而从初始训练数据中提取关键因子对应的处理数据；基于基础信息，从处理数据中提取最终训练数据；将最终训练数据导入初始深度学习模型进行二次学习，以获得训练好的深度学习模型，进而通过训练好的深度学习模型，获得当前患者对应的预测数据。
-
公开(公告)号：CN117762390A
公开(公告)日：2024-03-26
申请号：CN202410194794.3
申请日：2024-02-22
申请人： 北方健康医疗大数据科技有限公司
摘要： 本发明涉及程序开发领域，具体公开一种基于私有云开发环境的程序开发方法、系统、终端及介质，开发环境配置的步骤：下载包含基础环境镜像的jupyter编辑器镜像；基于docker技术，为jupyter编辑器镜像配置开发环境；将配置好开发环境的jupyter编辑器镜像部署到私有云上；用户权限配置的步骤：为不同用户配置私有云开发环境使用权限；程序开发的步骤：接收用户对私有云开发环境的使用请求；根据用户权限分配硬件资源并启动相应的docker容器；将docker容器内的jupyter编辑器提供给用户使用进行程序开发。本发明为不同用户提供按需在线使用的开发环境，实现无需在本地安装复杂的开发环境的目的，同时保证用户数据和代码的安全性，降低使用风险。
-
公开(公告)号：CN117995409A
公开(公告)日：2024-05-07
申请号：CN202410237798.5
申请日：2024-03-01
申请人： 北方健康医疗大数据科技有限公司
IPC分类号： G16H50/30 , G16H50/70 , G16H70/40 , G16H20/10 , G06F16/215 , G06F16/25 , G06F16/28 , G06N3/0464 , G06N3/045 , G06N3/044 , G06N3/084 , G06N3/048
摘要： 本发明涉及用药风险评价领域，具体公开一种患者用药风险评价方法、系统、终端及介质，从各类数据源系统中采集历史医疗数据，医疗数据包括患者诊疗数据及用药不良反应反馈数据；对用药不良反应反馈数据进行分析并归类用药风险等级；将患者诊疗数据和对应的用药风险等级构建样本集；基于深度学习神经网络算法，使用样本集对用药风险评价模型进行训练；将当前患者诊疗数据输入训练后的用药风险评价模型中，输出当前患者的用药风险评价结果；根据用药风险评价结果从数据库中调取药物相关知识，将用药风险评价结果和药物相关知识进行推送处理。本发明考虑患者个体化信息来对用药风险进行评价，提高对患者用药风险评估结果的精度。
-
公开(公告)号：CN117954101A
公开(公告)日：2024-04-30
申请号：CN202410354186.4
申请日：2024-03-27
申请人： 北方健康医疗大数据科技有限公司
摘要： 本申请公开了一种基于人工智能的肺癌存活率预测模型的搭建方法及系统，主要涉及预测模型搭建技术领域，用以解决现有的肺癌模型在训练时通常基于多种类型的数据集进行建模，导致模型在面对具体数据时给出的结果较为宽泛的问题。包括：获得初始样本数据；通过初始样本数据训练预设深度学习算法以获得初始深度学习模型；通过预设特征确定界面，确定影响肺癌存活率的关键因子和当前患者的基础信息；进而从初始训练数据中提取关键因子对应的处理数据；基于基础信息，从处理数据中提取最终训练数据；将最终训练数据导入初始深度学习模型进行二次学习，以获得训练好的深度学习模型，进而通过训练好的深度学习模型，获得当前患者对应的预测数据。
-
-
-
-
搜索结果
5 条记录 (耗时 0.04 秒)
