-
公开(公告)号：CN120032170A
公开(公告)日：2025-05-23
申请号：CN202510117339.8
申请日：2025-01-24
Applicant: 安徽大学 , 安徽医科大学第一附属医院
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06T7/00
Abstract: 本发明的一种基于小样本学习的罕见疾病图像分类方法、设备及介质，通过巧妙地构建特征回溯融合编码器，利用下一层特征为当前层生成注意力掩码，以减少低层特征中无用的噪声信息，从而更好地将低层特征中空间细节信息融合到高层特征中，有效地提高了模型对胃肠道疾病区域的分类性能；其次，多级原型重构网络进一步捕获支持集和查询集样本之间的语义相关性，以增强支持图像表示上的区分区域，为每个查询样本生成适合当前查询样本的校准类中心。基于欧氏距离的分类器输出该查询样本的分类结果，利用交叉熵函数指导模型优化，确保分类结果的精度。最终，基于小样本学习的罕见疾病图像分类模型经过严格的训练和测试，能够输出每个图像的分类结果。
-
公开(公告)号：CN119380030B
公开(公告)日：2025-04-08
申请号：CN202411947420.0
申请日：2024-12-27
Applicant: 安徽大学 , 安徽医科大学第一附属医院
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06T7/00
Abstract: 本发明的一种面向医疗视频不明显病变区域的分割方法、设备及介质，包括首先对胃肠道视频数据进行采集，并通过预处理步骤确保数据的高质量，采用记忆对齐网络技术，用于捕捉相邻视频帧与当前帧之间的空间特征对应关系，从而增强当前帧的特征表示。增强后的特征被送入主解码器，该解码器通过构建的多级特征融合网络，有效地整合高层语义特征与低层细节特征，深入挖掘不明显病变的空间和结构信息，以生成初步的分割图。应用渐进式分割优化网络进一步细化分割结果，以提高分割的准确性。通过监督学习训练的模型，能够输出每个图像序列中不明显病变的精确预测分割图。本发明有效地解决了胃肠道不明显病变难以发现的问题，显著提升了分割的精确度。
-
公开(公告)号：CN119380030A
公开(公告)日：2025-01-28
申请号：CN202411947420.0
申请日：2024-12-27
Applicant: 安徽大学 , 安徽医科大学第一附属医院
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06T7/00
Abstract: 本发明的一种面向医疗视频不明显病变区域的分割方法、设备及介质，包括首先对胃肠道视频数据进行采集，并通过预处理步骤确保数据的高质量，采用记忆对齐网络技术，用于捕捉相邻视频帧与当前帧之间的空间特征对应关系，从而增强当前帧的特征表示。增强后的特征被送入主解码器，该解码器通过构建的多级特征融合网络，有效地整合高层语义特征与低层细节特征，深入挖掘不明显病变的空间和结构信息，以生成初步的分割图。应用渐进式分割优化网络进一步细化分割结果，以提高分割的准确性。通过监督学习训练的模型，能够输出每个图像序列中不明显病变的精确预测分割图。本发明有效地解决了胃肠道不明显病变难以发现的问题，显著提升了分割的精确度。
-
公开(公告)号：CN119230097A
公开(公告)日：2024-12-31
申请号：CN202411730396.5
申请日：2024-11-29
Applicant: 安徽医科大学第一附属医院
Abstract: 本发明涉及脑卒中诊疗技术领域，且公开了基于数据分析的出血性脑卒中诊疗评估系统，包括多维采集模块和智能诊疗模块。该基于数据分析的出血性脑卒中诊疗评估系统通过多维采集模块获取所有脑卒中患者的个人信息、治疗数据和身体机能数据，并分类组成数据集，智能诊疗模块综合年龄、诱发性疾病和生活习惯，分析每个脑卒中患者的发病风险，生成对应的风险评分，深入分析个体差异性，智能诊疗模块分析每个脑卒中患者病情的变化趋势和血肿扩张的风险，生成对应的波动指数和血肿评分，再分析每个脑卒中患者预后的身体状态，生成对应的机能数据组，判断患者脑卒中的发病风险等级和病情发展趋势，精准预测血肿扩张趋势，并输出对应的诊疗建议。
-
公开(公告)号：CN119230097B
公开(公告)日：2025-02-14
申请号：CN202411730396.5
申请日：2024-11-29
Applicant: 安徽医科大学第一附属医院
Abstract: 本发明涉及脑卒中诊疗技术领域，且公开了基于数据分析的出血性脑卒中诊疗评估系统，包括多维采集模块和智能诊疗模块。该基于数据分析的出血性脑卒中诊疗评估系统通过多维采集模块获取所有脑卒中患者的个人信息、治疗数据和身体机能数据，并分类组成数据集，智能诊疗模块综合年龄、诱发性疾病和生活习惯，分析每个脑卒中患者的发病风险，生成对应的风险评分，深入分析个体差异性，智能诊疗模块分析每个脑卒中患者病情的变化趋势和血肿扩张的风险，生成对应的波动指数和血肿评分，再分析每个脑卒中患者预后的身体状态，生成对应的机能数据组，判断患者脑卒中的发病风险等级和病情发展趋势，精准预测血肿扩张趋势，并输出对应的诊疗建议。
-
Patent Agency Ranking
公开(公告)号：CN118822045A
公开(公告)日：2024-10-22
申请号：CN202411299165.3
申请日：2024-09-18
Applicant: 安徽医科大学第一附属医院 , 合肥综合性国家科学中心大健康研究院
IPC: G06Q10/04 , G06Q40/08 , G16H10/60 , G16H15/00 , G06F18/2113 , G06F18/243 , G06N20/20 , G06N5/01 , G06N5/045 , G06F123/02
Abstract: 本发明公开了一种基于人工智能技术的医保DRG分组预测方法及系统，涉及医学人工智能技术领域，该预测方法包括以下步骤：S100，特征重要性分析：运用特征重要性评估算法综合分析和展示重要特征在不同分组中的分布，分析重要特征与其他特征的相关性，本发明通过引入人工智能技术，运用特征重要性评估算法进行综合分析、利用逐层相关性传播技术解释决策过程，能够从多个角度对医保数据进行深入剖析，这使得预测结果更加准确，更好地理解不同因素对DRG分组的影响，避免单一因素导致的片面决策，为医保机构和医疗服务提供者提供了更科学的决策依据，同时，对决策路径的详细解释和案例对比分析，有助于发现潜在的规律和问题。
-
公开(公告)号：CN118692664A
公开(公告)日：2024-09-24
申请号：CN202411186912.2
申请日：2024-08-28
Applicant: 安徽医科大学第一附属医院
Abstract: 本发明涉及计算机辅助医疗技术领域，且公开了一种基于大模型技术的肝病早期诊断与治疗的方法及系统，所述系统由数据管理模块、影像处理模块、决策支持模块和数据安全和隐私模块组成。本发明通过系统能够自动从医院影像系统、电子病历系统中获取数据，并进行统一的标准标注，医生就不需要为了找到或标准化数据而花费大量时间筛选，直接使用系统提供的标准化的数据集，系统提供多数据集选择和同步显示功能，增加了诊断的精确度和深度，系统的影像处理模块集成了去噪、对比度调整和清晰度提升增强技术，提高了诊断的准确性和治疗方案的可行性，达到了具有诊断决策支持功能，辅助医生在诊断过程中缺乏必要的辅助信息的有益效果。
-
公开(公告)号：CN118822045B
公开(公告)日：2024-12-17
申请号：CN202411299165.3
申请日：2024-09-18
Applicant: 安徽医科大学第一附属医院 , 合肥综合性国家科学中心大健康研究院
IPC: G06Q10/04 , G06Q40/08 , G16H10/60 , G16H15/00 , G06F18/2113 , G06F18/243 , G06N20/20 , G06N5/01 , G06N5/045 , G06F123/02
Abstract: 本发明公开了一种基于人工智能技术的医保DRG分组预测方法及系统，涉及医学人工智能技术领域，该预测方法包括以下步骤：S100，特征重要性分析：运用特征重要性评估算法综合分析和展示重要特征在不同分组中的分布，分析重要特征与其他特征的相关性，本发明通过引入人工智能技术，运用特征重要性评估算法进行综合分析、利用逐层相关性传播技术解释决策过程，能够从多个角度对医保数据进行深入剖析，这使得预测结果更加准确，更好地理解不同因素对DRG分组的影响，避免单一因素导致的片面决策，为医保机构和医疗服务提供者提供了更科学的决策依据，同时，对决策路径的详细解释和案例对比分析，有助于发现潜在的规律和问题。
-
公开(公告)号：CN118919089A
公开(公告)日：2024-11-08
申请号：CN202411404834.9
申请日：2024-10-10
Applicant: 安徽医科大学第一附属医院 , 合肥综合性国家科学中心大健康研究院
IPC: G16H50/70 , G16H50/30 , G16H10/60 , G06F18/214 , G06F18/241 , G06N20/00
Abstract: 本发明公开了一种基于机器学习的重症专科能力评估方法及系统，涉及医疗信息技术领域，该方法包括以下具体步骤：数据收集与预处理：从医院信息系统和电子病历系统中收集重症患者的临床数据，本发明通过结合医学知识和数据挖掘技术，对重症患者的临床数据进行深度分析和特征选择，并通过采用关联规则挖掘技术，发现不同因素之间的潜在关联规则，基于这些关联规则通过机器学习算法构建的潜在风险预测模型，提前预测重症患者可能出现的并发症风险，并给出个性化的预防措施建议。相比传统方法更加精准和个性化，有助于提高诊疗效果，减少并发症的发生，提升患者的生存质量和满意度。
-
公开(公告)号：CN215608730U
公开(公告)日：2022-01-25
申请号：CN202120046172.8
申请日：2021-01-08
Applicant: 安徽医科大学第一附属医院
IPC: A61M35/00
Abstract: 本实用新型公开了一种烧伤扫描施药缓解装置，包括主体箱、终端和混合箱安，所述混合箱安装在主体箱的底端内壁，药液箱和水箱的底端均设置有与混合箱连通的第一输送管，所述混合箱内通过转轴转动安装有搅拌杆，混合箱的一侧安装有增压设备，增压设备包括有与混合箱连通的增压管道，所述主体箱的侧端面安装有对称分布的固定架，固定架上卡接有手柄管，所述手柄管的末端处安装有雾化喷头，雾化喷头的一侧通过支架安装有扫描仪，所述终端安装在主体箱的上端内壁，终端内包括有处理器、网络连接器和电源模块。本实用新型具备可自行进行扫描并上网对比烧伤程度进行自行配比药液和将药液通过喷雾的形式喷洒出来对患者的伤处进行施药的优点。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.069 seconds)
