-
公开(公告)号：CN109036521B
公开(公告)日：2022-09-23
申请号：CN201810581501.1
申请日：2018-06-07
申请人： 清华大学
IPC分类号： G16H30/20
摘要： 本发明提供一种病理切片图片显示方法及系统，其中的方法包括块初始化，在块初始显示的范围内，确定病理切片图片的其中一层的所有块的位置信息，并将所有块读入缓存；缓存中计算并读取显示范围所需的块的信息；将读取的各块的信息按照应位置拼接起来，并进行比例的缩小，得到新块的显示位置信息；判断新块的所在的层数、位置是否发生变化，如果发生变化，则从将新块初始化，行逐步进行操作；判断缓存中块的位置是否包含在新块的显示位置中，若否则释放；判断新块的显示位置范围的拓展方向，并计算新块的拓展位置，将新块读取入缓冲内。利用本发明，能够解决病理切片图像显示时读取时间长、占用缓存空间大以及图片操作运算多等问题。
-
公开(公告)号：CN115082718A
公开(公告)日：2022-09-20
申请号：CN202210488276.3
申请日：2022-05-06
申请人： 清华大学
IPC分类号： G06V10/762 , G06V10/25 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/04 , G06N3/08
摘要： 本申请提供的一种基于组织病理图像的胶质瘤分级方法、装置、设备及介质，通过将获取到的待检测的WSI图像输入到预先训练得到的胶质瘤分级模型中，得到该待检测的WSI图像对应的胶质瘤恶性级别，然后保存该胶质瘤恶性级别，以实现智能诊断，辅助医生进行诊断，增强了胶质瘤诊断结果的客观性，使得诊断准确性提高。
-
公开(公告)号：CN110458843B
公开(公告)日：2022-06-07
申请号：CN201910566963.0
申请日：2019-06-27
申请人： 清华大学
摘要： 本发明属于计算机图像处理技术领域，公开了一种掩模图像的分割方法及系统，包括以下步骤：一、掩模图像检测，提取掩模图像的轮廓、凸包和凸缺陷及凸缺陷的四个特征信息；二、凸缺陷筛选，筛选出满足以下条件的凸缺陷：最远点与轮廓的距离大于第一阈值，起点到终点的距离大于第二阈值，最远点与轮廓的距离大于同一凸包上所有凸缺陷的最远点与轮廓的距离中的最大值的百分之五十；三、分割处理，在经过筛选后的凸缺陷中找出同一凸包上且最远点相互距离最近的，以其最远点为分割点，沿分割点两两排序后的连线分割处理。还提供了一种掩模图像的分割系统，系统采用了前述方法来实现对掩模图像的分割处理。解决了掩模图像分割中的过度或欠分割问题。
-
公开(公告)号：CN111062043B
公开(公告)日：2022-05-20
申请号：CN201911200681.5
申请日：2019-11-29
申请人： 清华大学
摘要： 本发明提供一种基于边缘计算的医疗影像识别方法及系统，包括：数据使用端向域内边缘计算发出第一请求，第一请求包括算法、数据请求信息和私钥；边缘计算根据第一请求在云中心查找符合第一请求的数据拥有端，建立沙盒，使用私钥对算法进行加密，加密后算法和数据请求信息放进沙盒并发送到云中心；云中心将数据请求信息发送到符合第一请求的数据拥有端；数据拥有端查询数据请求信息，将查询结果对应的数据集用私钥加密后发送到云中心；云中心对沙盒中的算法和数据集进行解密，对数据集执行算法，获得图像识别结果集，进行加密，发送给数据拥有端和数据使用端。上述方法和系统提供可靠算法运行方法，确保医疗影像数据不会从数据源泄露到外部。
-
公开(公告)号：CN110246572B
公开(公告)日：2021-07-13
申请号：CN201910366790.8
申请日：2019-05-05
申请人： 清华大学
摘要： 本发明提供了一种基于词向量的医疗分诊方法及系统，所述方法包括获取用户的症状数据信息；判断获取的用户症状数据信息是用户输入还是问诊数据，若是用户输入数据则执行分诊步骤，若是问诊数据则执行问诊步骤；基于所述症状数据信息查找与其对应的词向量，与门诊向量求余弦相似度，得到分诊概率，作为分诊结果；通过分诊概率求熵，并代入预先设置的症状向量列表，将概率分布的熵最小化，从而找到需要问诊的症状，获得问诊结果。通过本发明的技术方案能够帮助患者确认自己需要挂号的科室，且帮助医院提高分诊准确性，提高流程效率和节约成本。
-
公开(公告)号：CN110223732B
公开(公告)日：2021-04-06
申请号：CN201910411387.2
申请日：2019-05-17
申请人： 清华大学
IPC分类号： G16B30/10
摘要： 本发明公开了一种多类生物序列注释的整合方法，包括：从生物测序数据中选取一种生物测序数据作为主要生物序列集，其余的作为辅助生物序列集；建立序列‑基因关联映射集；据基因转录起始点获取该基因的基础关联区域和扩展关联区域；对于主要生物序列集的序列，遍历基因的扩展关联区域，若序列所在的区域和某个基因的扩展关联区域有交集，则建立基因和序列的序列‑基因关联映射；对参考数据应用于序列‑基因关联映射集中的生物序列注释的结果采用超几何检验、二项检验计算显著性；对两种方法得到的注释分别排序，并对相同的注释的排序的序号相加后再次排序作为多种生物序列数据的注释结果。本发明实现综合各种特征的注释，在医疗领域具有应用价值。
-
公开(公告)号：CN109471895B
公开(公告)日：2021-02-26
申请号：CN201811271476.3
申请日：2018-10-29
申请人： 清华大学
摘要： 本发明公开了一种电子病历表型抽取、表型名称规范化方法。该方法包括：表型抽取，将病历文本自然语句作为原始数据，采用Bi‑LSTM模型和CRF模型做命名实体识别，抽取出表型实体类；以及表型规范化，采用LSTM编码器对每个表型进行编码，计算病历中非标准表型的编码与标准表型编码的余弦相似度，将非标准表型映射到余弦相似度最高的表型。本发明还公开了一种电子病历表型抽取、表型名称规范化系统。本发明提高了电子病历中命名实体识别的准确率、召回正确率、以及对表型映射的准确率；免去了病历结构化过程中人工消耗，提高了病历结构化的效率；能更高效和准确地服务于医学数据挖掘、临床决策支持、临床风险评估等。
-
公开(公告)号：CN110263320B
公开(公告)日：2020-12-11
申请号：CN201910366794.6
申请日：2019-05-05
申请人： 清华大学
IPC分类号： G06F40/289 , G06F17/11 , G16H10/60
摘要： 本发明公开了一种基于专用语料库字向量的无监督中文分词方法，该方法包括预处理语料库，得到在语料库上的每个字对应的字向量；根据所述字向量计算出字间粘连度；计算出最佳分词路径实现无监督中文分词。对于字向量的训练，采用开源的word2vec方法，将中文语料中的每一个字对应得到一个向量，训练后，基于句子中每个字的字向量，计算每两个相邻字的字向量粘连度，在相邻字之间粘连度最小处分割，实现分词。该方法可以通过对语料进行无监督的训练进行信息提取，并利用信息直接对输入语句进行分词，便于对语料进行命名实体识别等其他任务的处理。
-
-
公开(公告)号：CN111062051A
公开(公告)日：2020-04-24
申请号：CN201911199645.1
申请日：2019-11-29
申请人： 清华大学
IPC分类号： G06F21/62
摘要： 本发明提供一种医疗数据系统的权限管理方法，包括：采取默克尔有向无环图存储医疗数据的权限为记录，记录包括内容、内容哈希值、前左记录哈希值、前右记录哈希值和记录哈希值，内容包括首记录哈希值、受权人、授权记录哈希值、权限、授权日期和有效期，将医疗数据在医疗数据系统生成时的权限对应的记录作为首记录，首记录哈希值是首记录的记录哈希值，授权记录哈希值是授权人获得授权权利的记录的记录哈希值，记录哈希值是本记录的内容哈希值、前左记录哈希值和前右记录哈希值三者拼接后，通过哈希运算生成的哈希值。上述方法能够快速检验权限历史篡改情况。
-
-
-
-
-
-
-
-
-
搜索结果
84 条记录 (耗时 0.031 秒)
