公开(公告)号：CN113918694B

公开(公告)日：2024-04-16

申请号：CN202111170907.9

申请日：2021-10-08

Applicant: 武汉科技大学

Inventor： 刘茂福 ,  向军毅 ,  付洋

IPC: G06F16/332 ,  G06F16/35 ,  G06F16/36 ,  G06N5/022 ,  G06F40/211 ,  G06F40/30 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/09

Abstract: 本发明涉及一种面向医疗知识图谱问答的问句解析方法。其技术方案是：采用分类器对医疗问题进行分类，采用识别器对医疗问题进行实体识别和属性识别；再将识别的实体与知识图谱中的所有实体逐个进行匹配，与所述知识图谱中匹配度最高的实体为标准实体；将识别的属性与知识图谱中所有属性逐个进行匹配，与知识图谱中匹配度最高的属性为标准属性；然后将标准实体、标准属性和标准属性值转化为查询语句，知识图谱中查询模块收到查询语句后，即得到医疗问题的答案。本发明具有识别精准度高和问句分析错误率低的特点，能有效缓解医疗资源的失衡，降低医疗成本。

公开(公告)号：CN113918694A

公开(公告)日：2022-01-11

申请号：CN202111170907.9

申请日：2021-10-08

Applicant: 武汉科技大学

Inventor： 刘茂福 ,  向军毅 ,  付洋

IPC: G06F16/332 ,  G06F16/35 ,  G06F16/36 ,  G06F40/211 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种面向医疗知识图谱问答的问句解析方法。其技术方案是：采用分类器对医疗问题进行分类，采用识别器对医疗问题进行实体识别和属性识别；再将识别的实体与知识图谱中的所有实体逐个进行匹配，与所述知识图谱中匹配度最高的实体为标准实体；将识别的属性与知识图谱中所有属性逐个进行匹配，与知识图谱中匹配度最高的属性为标准属性；然后将标准实体、标准属性和标准属性值转化为查询语句，知识图谱中查询模块收到查询语句后，即得到医疗问题的答案。本发明具有识别精准度高和问句分析错误率低的特点，能有效缓解医疗资源的失衡，降低医疗成本。

公开(公告)号：CN106056573A

公开(公告)日：2016-10-26

申请号：CN201610263473.X

申请日：2016-04-26

Applicant: 武汉科技大学

Inventor： 占旭宽 ,  卢建华 ,  王普章 ,  周龙 ,  赵士瑞 ,  魏春荣 ,  付洋 ,  许佳佳 ,  许典 ,  胡威

IPC: G06T7/00 ,  G06T7/40

Abstract: 本发明涉及数字图像处理技术领域，提供了一种活动轮廓模型中能量泛函的优化方法，包括如下步骤：S1、得到进行协同分割的源图像对的窄频带；S2、采用混合高斯模型对源图像对进行概率密度分布的估计；S3、采用颜色直方图方法对源图像对进行颜色相似度的估计；S4、采用上述两种方法综合度量源图像对的相似性，并得到待分割图像的轮廓的能量函数；当函数值达到最小值收敛时，得到的曲线即为目标物的轮廓曲线。采用本发明的优化方法进行图像协同分割，具有以下优点：1)鲁棒性好：能大大减小背景或光照的影响，适用于更多的图像；2)准确性高；优化了能量泛函，有利于目标物被更准确的识别。