-
公开(公告)号：CN116864039A
公开(公告)日：2023-10-10
申请号：CN202310748230.5
申请日：2023-06-25
Applicant: 浙江大学医学院附属儿童医院
Abstract: 本发明公开了一种环肽数据管理平台及其设计方法，涉及计算机技术领域，其技术方案要点是：包括数据库、服务器、数据采集模块、缺失处理模块、数据浏览模块、更新校对模块、数据检索模块、统计分析与可视化模块、数据下载模块。通过整合已有环肽数据，建立集成环肽理化性质、生物活性、合成信息、临床试验等数据的专业型数据管理和可视化平台。数据平台维护及扩展方便，对于系统本身的维护，只需要在服务器端进入本数据平台可以即时对数据库和系统功能进行修改或添加，随着环肽的发现和信息的增加，可根据具体倩况进行系统功能的扩展。
-
公开(公告)号：CN114898863B
公开(公告)日：2023-02-14
申请号：CN202210349721.8
申请日：2022-04-02
Applicant: 浙江大学
Abstract: 本发明公开了一种新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，采用手术干预时机辅助识别模型，利用该模型的具体工作过程如下：将新生儿坏死性小肠结肠炎患者的影像数据和临床数据输入数据预处理模块分别进行预处理；将预处理后的影像数据和临床数据输入特征提取模块进行特征提取；然后加入超图约束，选取不同特征之间相关联的高阶特征；最后加入两种数据特征的邻接矩阵作为网络正则化约束，得到最终特征矩阵；根据临床指征选取模块选择的临床指征，将最终特征矩阵中的临床指征输入预测分类模块进行分类，得到是否需要手术的二分类结果。本发明可以对新生儿坏死性小肠结肠炎外科手术干预时机进行判断，提高患儿的诊治效率。
-
公开(公告)号：CN115205599A
公开(公告)日：2022-10-18
申请号：CN202210879158.5
申请日：2022-07-25
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/22 , G06V10/82 , G06N3/04 , G06N3/08 , A61B6/00
Abstract: 本发明公开了一种基于域泛化模型的多年龄段儿童胸片图像肺炎分类系统，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域泛化分类模型；所述的域泛化分类模型采用改进的F‑conv网络模型，包括权重层、滤波器层、共享层三个部分；对于待测的图像，输入域泛化分类模型后，通过权重组与滤波器层中对应的滤波器组进行点乘加权，将所有结果相加，获得滤波器层的输出；滤波器层的输出输入至共享层，通过多次2D的卷积，最终再通过全连接层获得模型的分类结果。利用本发明，可以让多年龄段儿童在同一模型上实现肺炎高性能分类。
-
公开(公告)号：CN114188021A
公开(公告)日：2022-03-15
申请号：CN202111520413.9
申请日：2021-12-13
Applicant: 浙江大学
IPC: G16H50/20 , G06V10/46 , G06V10/80 , G06V10/82 , G06F40/295 , G06F40/30 , G06F16/28 , G06F16/36 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多模态融合的儿童肠套叠诊断智能分析系统，包括儿童肠套叠关系抽取模型、文本特征提取模型、超声影像质控模型、结构化数据特征提取模型和特征融合模型；儿童肠套叠关系抽取模型用于构建儿童肠套叠知识图谱；文本特征提取模型用于提取原始诊断病历、超声诊断报告中的文本特征；超声影像质控模型用于提取儿童肠套叠超声影像中的图像特征；结构化数据特征提取模型用于提取儿童肠套叠实验室数据中的结构化数据特征；特征融合模型用于融合文本特征、图像特征和结构化数据特征，输出高维特征后，使用归一化函数将儿童肠套叠的预测输出映射为概率分布。本发明可以实现儿童肠套叠疾病的快速诊断，缩短诊断时间、降低假阳性率。
-
公开(公告)号：CN114037686A
公开(公告)日：2022-02-11
申请号：CN202111323780.X
申请日：2021-11-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的儿童肠套叠自动检测系统，包括训练好的同心圆检测模型，利用同心圆检测模型检测儿童腹部超声影像中的同心圆；同心圆检测模型包括特征提取网络、区域生成网络RPN以及ROI Pooling层；其中特征提取网络采用VGG16卷积神经网络，且在卷积神经网络中增加了跳跃连接层，通过跳跃连接层将卷积神经网络的浅层特征和深层次特征联合。本发明构建的模型实现了对儿童腹部肠套叠超声影像“同心圆”征象自动检测，辅助医生做识别，减少了人为评估的阅片时间的同时，提高了儿童肠套叠患者的诊断速度。
-
Patent Agency Ranking
公开(公告)号：CN119380077A
公开(公告)日：2025-01-28
申请号：CN202411400145.0
申请日：2024-10-09
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/774 , G16H50/70 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进ResNet的儿童皮肤病多分类系统，包括计算机存储器以及存储在计算机存储器中的分类模型；分类模型包含特征提取单元和预测单元；特征提取单元包含残差模块结构、中尺度膨胀卷积结构、宽尺度膨胀卷积结构和多尺度融合空洞卷积结构；图像顺次经过一个卷积层、一个最大池化层、一个卷积层和一个批正则化层后从提取特征，进入上述四个并行使用的结构，输出各自的特征图；预测单元将每个结构输出的特征图融合后输入一个批正则化层，对融合后的特征进行标准化；之后通过平均池化层对标准化后的特征图进行下采样；最后通过softmax层将特征转化为皮肤疾病的分类概率分布。利用本发明，可以提高常见儿童皮肤病的识别和分类准确性。
-
公开(公告)号：CN116864004A
公开(公告)日：2023-10-10
申请号：CN202310748085.0
申请日：2023-06-25
Applicant: 浙江大学医学院附属儿童医院
IPC: G16B30/00 , G16B40/00 , G06F18/2135 , G06F18/22
Abstract: 本发明公开了基于微生物代谢背景的宏基因组队列匹配方法，涉及宏基因组技术领域。S1：宏基因组测序数据处理；对来自全宏基因组学的数据和手动输入的meta数据进行标准化处理；S2：微生物主要代谢背景提取；S3：微生物代谢背景匹配；首先通过最近邻匹配算法在不遗漏任何主要代谢成分的情况下，筛选对照组中匹配的样本；S4：匹配效果检查；对匹配后的疾病组和对照组的协变量均值进行平衡性检验；S5：基于匹配队列的差异分析；匹配后的疾病组和对照组数据符合正态分布，则进行配对样本t检验进行差异分析，否则使用成组wilcoxon检验进行差异分析。通过本技术方法，实现微生物研究中病例和对照样本匹配队列的构建，加强宏基因组学研究的因果关系识别能力。
-
公开(公告)号：CN116258697A
公开(公告)日：2023-06-13
申请号：CN202310150365.1
申请日：2023-02-22
Applicant: 浙江大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06N3/09 , G06N3/0464
Abstract: 本发明公开了一种基于粗标注的儿童皮肤病图像自动分类装置和方法，对获取的儿童皮肤病图像进行病灶区域的粗标注后，对粗标注的病灶区域进行预处理以建立掩码蒙版标注图像；构建包括U‑Net、纹理特征提取模块、颜色特征提取模块、形状特征提取模块、第一相关分析模块、第二相关分析模块以及特征融合和分类模块的分类模型，利用掩码蒙版标注图像对分类模型进行监督学习，以优化分类模型的参数；利用参数优化的分类模型进行儿童皮肤病图像自动分类。该装置和方法基于粗标注构建能够顾准确自动分类儿童皮肤病的模型，并提升儿童皮肤病图像的分类准确性。
-
公开(公告)号：CN114821176B
公开(公告)日：2022-11-01
申请号：CN202210463034.9
申请日：2022-04-28
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种儿童脑部MR图像病毒性脑炎分类系统，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分类模型，所述的分类模型采用改进的SE ResNet网络模型，共包含四个卷积部分，每个卷积部分由若干个子模块组构成，每个子模块组包含Inception子模块和SE Res子模块，最终通过全连接层获得最后的分类结果；所述计算机处理器执行所述计算机程序时实现以下步骤：将待分类的儿童脑部MR影像输入训练好的分类模型中，得到病毒性脑炎分类结果。利用本发明，可以提升模型对于不同维度特征的学习能力，大大提升儿童病毒性脑炎诊断的效率和准确率。
-
公开(公告)号：CN114913169A
公开(公告)日：2022-08-16
申请号：CN202210655628.X
申请日：2022-06-10
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06V10/764 , A61B6/00
Abstract: 本发明公开了一种新生儿坏死性小肠结肠炎筛查系统，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新生儿坏死性小肠结肠炎筛查模型；所述的新生儿坏死性小肠结肠炎筛查模型基于改进的DenseNet神经网络模型，在原始DenseNet的框架基础上引入PReLU激活函数以及ECA注意力机制；所述计算机处理器执行所述计算机程序时实现以下步骤：将待筛查的腹部平片数据进行预处理，然后输入训练好的新生儿坏死性小肠结肠炎筛查模型，得到是否患有坏死性小肠结肠炎的筛查结果。利用本发明，可以提高新生儿坏死性小肠结肠炎的诊断准确率，从而尽快向患儿提供优质医疗救助。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.02 seconds)
