-
公开(公告)号：CN112686306B
公开(公告)日：2023-03-24
申请号：CN202011599195.8
申请日：2020-12-29
申请人： 山东众阳健康科技集团有限公司
摘要： 本公开提供了一种基于图神经网络的ICD手术分类自动匹配方法及系统，获取病例中医生录入的手术描述数据，并将手术描述数据中每一个字用字向量来表示，得到字向量序列，进一步得到手术描述信息，获取所有ICD手术分类的标准编码描述，将建模后的手术描述信息融合到ICD手术分类的标准编码描述中，得到融入当前手术描述信息的所有编码描述的数学表达，结合所有编码描述的数学表达和预设图神经网络得到不同的图结构，利用图结构进行注意力计算，重构ICD手术分类标签图结构中的每一个节点，根据重构的节点间的条件概率依赖关系，得到手术描述的分类匹配结果；增加了模型在多标签预测任务中输出结果的合理性，避免输出不合理的分类组合。
-
公开(公告)号：CN112732900B
公开(公告)日：2022-07-29
申请号：CN202110010116.3
申请日：2021-01-04
申请人： 山东众阳健康科技集团有限公司
摘要： 一种电子病历文本摘要抽取方法，通过定义语义覆盖度损失函数，可以将以往医师总结出的抽象式摘要用作训练自动抽取式摘要模型，避免了数据标注。从原始电子病历文本中筛选出比较重要的句子作为候选集，缩小自动抽取式摘要的搜寻范围，再通过罗列候选集中句子的不同组合方式，找出对原始电子病历中语义覆盖度最高的句子组合作为抽取式摘要，在判定语义覆盖度时,结合候选集中所有句子的语义信息做出判断，降低了自动抽取式摘要中信息冗余和信息缺失的可能，提升了自动抽取式摘要的质量。
-
-
公开(公告)号：CN110895580A
公开(公告)日：2020-03-20
申请号：CN201911271626.5
申请日：2019-12-12
申请人： 山东众阳健康科技集团有限公司
IPC分类号： G06F16/901 , G06F16/903 , G06N3/04 , G06N3/08 , G16H10/60
摘要： 一种基于深度学习的ICD手术与操作编码自动匹配方法，使用了模块化建模的方法，每个模块只完成相对简单的一项任务，大大减小了模型参数的搜寻空间，缩减了所需要的数据量。本方法采用了双向自回归语言模型对自然语言序列进行建模，使用每一条手术描述和每一条ICD编码结合，计算出他们之间的语义空间权重，并使用语义空间权重对手术描述进行重构，最后使用重构之后的手术描述进行ICD编码分类匹配以解决概念拆分的问题，在计算中也使用了ICD手术与操作编码固有的的层级结构进行双向自回归模型建模，融入了业务先验知识。解决了临床中遇到的问题，可以快速、准确地进行ICD编码匹配。
-
公开(公告)号：CN114305445A
公开(公告)日：2022-04-12
申请号：CN202111680795.1
申请日：2021-12-31
申请人： 山东众阳健康科技集团有限公司
摘要： 一种心电图特征点的识别方法，使用较少的点实现了较高精度的特征点计算。在标签处理的模块中，采用托盘的设计思路，提高了正样本占比，缓解了正负样本不均衡的问题提升了模型的训练效果。在特征点识别神经网络中，允许输出的结果明显短于输入的心电图数据，在特征点识别神经网络中可以进行stride卷积以及pooling等缩减尺度的计算以减轻最后的RNN模型的运行效率损耗。在解码过程中，采用了分割的思想，避免了传统的Anchor‑Base的方法对于NMS的依赖，提升了最终的解码效率。
-
公开(公告)号：CN114093449A
公开(公告)日：2022-02-25
申请号：CN202111400146.1
申请日：2021-11-22
申请人： 山东众阳健康科技集团有限公司
摘要： 一种能够实时学习的病案自动编码方法，利用了ICD编码的结构特点，使用对比学习方法训练了病案的嵌入模型，并在嵌入模型形成的嵌入集合中，采用KNN的推理方法来实现病案自动编码，在使用过程中，收集编码员的使用行为，来对编码空间和嵌入空间进行定制化修改，实现了单样本级别的实时学习，配合编码软件的使用，能够在实际编码员使用过程中自我进化，直到几乎完全符合编码员的编码习惯，可极大的提升医院病案编码的工作效率。
-
公开(公告)号：CN112732900A
公开(公告)日：2021-04-30
申请号：CN202110010116.3
申请日：2021-01-04
申请人： 山东众阳健康科技集团有限公司
摘要： 一种电子病历文本摘要抽取方法，通过定义语义覆盖度损失函数，可以将以往医师总结出的抽象式摘要用作训练自动抽取式摘要模型，避免了数据标注。从原始电子病历文本中筛选出比较重要的句子作为候选集，缩小自动抽取式摘要的搜寻范围，再通过罗列候选集中句子的不同组合方式，找出对原始电子病历中语义覆盖度最高的句子组合作为抽取式摘要，在判定语义覆盖度时,结合候选集中所有句子的语义信息做出判断，降低了自动抽取式摘要中信息冗余和信息缺失的可能，提升了自动抽取式摘要的质量。
-
公开(公告)号：CN111199288A
公开(公告)日：2020-05-26
申请号：CN201911335019.0
申请日：2019-12-20
申请人： 山东众阳健康科技集团有限公司
IPC分类号： G06N20/00
摘要： 一种新型的多头注意力机制，采用局部注意力的方法，与传统的多头注意力机制采用全局注意力方法相对比，降低了模型复杂度，运算过程中所有的矩阵大小均只与序列的长度成正比，相比较传统注意力机制中与序列平方成正比的矩阵，较大程度地降低了模型的存储空间消耗。在计算过程中，相比较Transformer-XL中的解决方案，未对序列做分块处理，极大程度的保留了原序列的序列特征，使用softmax建立全局语义，相比较Transformer-XL中使用跨块连接的方式，提升了模型的可并行程度。
-
公开(公告)号：CN114550856A
公开(公告)日：2022-05-27
申请号：CN202011431643.3
申请日：2020-12-07
申请人： 山东众阳健康科技集团有限公司
摘要： 一种融合交叉知识注意力的电子病历相似检索方法，利用知识注意力的相互交叉的方式，提供了电子病历文本间知识信息传递的一种有效模式。知识信息来源两部分，一是文本内的实体信息，二是实体位置信息。电子病历中的实体是作为整体发挥作用的，传统方法只考虑实体内单字的作用，缺乏实体的整体交互作用，知识注意力机制可以很好的刻画实体间的相互关系，交互模式为文本间知识信息传递提供了通道，能够在多文本相似度量方面给出有效评估。在给定原始电子病历文本、若干个判断文本及相似文本标签的情况下，提高了电子病历文本间相似检索精度。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.035 秒)
