一种构建OHSS分度分型预测模型的方法

    公开(公告)号:CN111883258B

    公开(公告)日:2024-03-15

    申请号:CN202010580290.7

    申请日:2020-06-23

    Abstract: 一种基于机器学习的卵巢过度刺激综合征(OHSS)分度及分型预测方法,包括:采集病人临床特征数据后进行数据预处理和数据编码操作,得到各自的训练数据;分别建立OHSS分度和分型预测模型。使用训练数据对分度和分型预测模型分别进行训练,从而根据损失函数优化模型参数;将分度预测模型所需的所有待测病人的临床特征数据进行数据预处理和数据编码操作后,获得最终的预测结果。分度预测模型预测出的会发生OHSS的病人,获取分型预测模型所需的临床特征数据,进行数据预处理和数据编码操作后,获得最终的预测值。利用本发明,可以为进行试管婴儿技术治疗的病人预测其发生OHSS的概率以及类型,从而辅助医生做更好的判断。

    一种基于机器学习的个性化超促排卵方案的预测装置

    公开(公告)号:CN111145912A

    公开(公告)日:2020-05-12

    申请号:CN201911337735.2

    申请日:2019-12-23

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于机器学习的个性化超促排卵方案的预测装置,包括计算机存储器、计算机处理器,计算机存储器中存有超促排卵方案预测模型,所述的超促排卵方案预测模型包括训练好的初级学习器和次级学习器;其中,初级学习器由SVM模型、ExtraTrees模型、RandomForest模型、LightGBM模型和XGboost模型组成,次级学习器采用Catboost模型;所述计算机处理器执行所述计算机程序时实现以下步骤:将待测的临床特征数据进行特征工程处理,将处理后的特征数据输入初级学习器进行计算,获得五个模型的预测值;采用训练好的次级学习器对5个预测值进行计算,获得最终预测结果。利用本发明,可以提高了超促排卵方案的预测准确性。

    一种非接触式人体血氧饱和度检测方法

    公开(公告)号:CN112869737B

    公开(公告)日:2022-10-28

    申请号:CN202110136278.1

    申请日:2021-02-01

    Abstract: 本发明属于血氧检测技术领域,尤其是涉及一种非接触式人体血氧饱和度检测方法。一种非接触式人体血氧饱和度检测方法,包括以下步骤:S1、视频获取;S2、图像区域获取;S3、原始信号获取;S4、分离信号获取;S5、变量获取;S6、结果获取,基于步骤S5提取出的ACR、ACB和DCR、DCB计算出血氧饱和度参数R,根据朗伯—比尔定律,得到血氧饱和度SPO2。本发明提供了一种解决已公开方法中基于红蓝通道提取的原始信号信噪比差进而测量结果准确度不高的问题、采用非接触式人体血氧饱和度的检测方法。

    一种非接触式人体血氧饱和度检测方法

    公开(公告)号:CN112869737A

    公开(公告)日:2021-06-01

    申请号:CN202110136278.1

    申请日:2021-02-01

    Abstract: 本发明属于血氧检测技术领域,尤其是涉及一种非接触式人体血氧饱和度检测方法。一种非接触式人体血氧饱和度检测方法,包括以下步骤:S1、视频获取;S2、图像区域获取;S3、原始信号获取;S4、分离信号获取;S5、变量获取;S6、结果获取,基于步骤S5提取出的ACR、ACB和DCR、DCB计算出血氧饱和度参数R,根据朗伯—比尔定律,得到血氧饱和度SPO2。本发明提供了一种解决已公开方法中基于红蓝通道提取的原始信号信噪比差进而测量结果准确度不高的问题、采用非接触式人体血氧饱和度的检测方法。

    一种基于多任务学习模型的慢病预测系统

    公开(公告)号:CN111180068A

    公开(公告)日:2020-05-19

    申请号:CN201911317824.0

    申请日:2019-12-19

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于多任务学习模型的慢病预测系统,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,所述计算机存储器中存有训练好的慢病预测模型,所述的慢病预测模型由共享层卷积神经网络和多个慢病分支网络组成;所述计算机处理器执行所述计算机程序时实现以下步骤:将待预测的体检记录经过预处理后先输入慢病预测模型的共享层卷积神经网络中进行特征提取,特得到特征图;然后将得到的特征图分别输入每个慢病分支网络,分别进行特征提取和预测,得到慢病预测结果。本发明的慢病预测系统,可以通过运用多种慢性病之间可能存在的潜在联系,同时对多种慢性病进行预测。

    一种基于机器学习的个性化超促排卵方案的预测装置

    公开(公告)号:CN111145912B

    公开(公告)日:2023-04-18

    申请号:CN201911337735.2

    申请日:2019-12-23

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于机器学习的个性化超促排卵方案的预测装置,包括计算机存储器、计算机处理器,计算机存储器中存有超促排卵方案预测模型,所述的超促排卵方案预测模型包括训练好的初级学习器和次级学习器;其中,初级学习器由SVM模型、ExtraTrees模型、RandomForest模型、LightGBM模型和XGboost模型组成,次级学习器采用Catboost模型;所述计算机处理器执行所述计算机程序时实现以下步骤:将待测的临床特征数据进行特征工程处理,将处理后的特征数据输入初级学习器进行计算,获得五个模型的预测值;采用训练好的次级学习器对5个预测值进行计算,获得最终预测结果。利用本发明,可以提高了超促排卵方案的预测准确性。

    一种手部穴位自动定位方法

    公开(公告)号:CN113486758A

    公开(公告)日:2021-10-08

    申请号:CN202110734019.9

    申请日:2021-06-30

    Applicant: 浙江大学

    Abstract: 本发明公开了一种手部穴位自动定位方法,包括以下步骤:(1)采集左右手的手掌、手背图像数据,形成原始样本;(2)计算手部关键点位置信息;(3)对手部图像进行标注,手掌记为0,手背记为1;(4)对原始样本进行数据预处理,并分类按比例进行训练集和验证集的划分,构成训练样本;(5)构建、训练手掌/手背分类模型;根据该模型输出值得到手掌/手背的判别结果;(6)根据关键点位置和分类结果,结合中医取穴位置描述,确定穴位在关键点之间的相对位置,利用空间几何原理计算该穴位的坐标值,并在图像中标出穴位位置和名称。利用本发明,可以解决人工取穴时存在的一定主观性从而导致的定位不够准确和速度不够快等问题。

Patent Agency Ranking