-
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：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：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。
-
公开(公告)号：CN118213048B
公开(公告)日：2024-11-05
申请号：CN202410337026.9
申请日：2024-03-22
申请人： 清华大学
IPC分类号： G16H30/40 , G06T5/70 , G06T5/60 , G06N3/0475 , G06N3/08
摘要： 本申请提供一种影像处理方法、模型训练方法、设备、介质及产品。该方法包括：获取已训练生成网络，已训练生成网络包括：已训练编码网络、已训练随机采样网络和已训练解码网络；采用已训练编码网络提取并输出真实医学影像中的真实疾病核心特征；采用已训练随机采样网络基于随机噪声数据生成并输出随机匿名特征；随机匿名特征与真实医学影像中的真实疾病非核心特征的相似度大于第一相似度阈值；将真实疾病核心特征和随机匿名特征输入到已训练解码网络中，并采用已训练解码网络对真实疾病核心特征和随机匿名特征进行融合和解码处理，以生成匿名医学影像并输出。本申请能够准确地对医学影像数据进行匿名模糊化处理。
-
公开(公告)号：CN117892805A
公开(公告)日：2024-04-16
申请号：CN202410306872.4
申请日：2024-03-18
申请人： 清华大学
摘要： 本发明涉及机器学习技术领域，特别涉及一种基于超网络和层级别协作图聚合的个性化联邦学习方法，其中，方法包括：接收多个客户端的目标模型参数更新量和更新后的多个客户端目标模型参数，并对超网络中的目标超网络参数进行自适应更新，分层计算多个客户端的目标模型参数更新量得到初始相似性矩阵，并利用目标超网络参数显式建模多个客户端的协作关系，进而生成层级别协作图，将更新后的多个客户端的目标模型参数分层，并按对应层级别协作图边权重进行加权聚合，得到每个客户端的最优个性化模型。由此，有效缓解了基于个性化参数聚合的联邦学习方法在选择客户端进行协作时不够灵活的问题。
-
公开(公告)号：CN116392136A
公开(公告)日：2023-07-07
申请号：CN202310444438.8
申请日：2023-04-21
申请人： 清华大学
摘要： 本申请提供一种疾病预警方法、装置、设备及介质，该方法中，电子设备监测获取待监测用户的生理信号，提取生理信号对应的基础信号特征和时序特征；其中，基础信号特征包括时域特征、频域特征以及非线性特征；根据生理信号对应的时域特征、频域特征、非线性特征以及时序特征，确定综合特征；利用疾病预测模型对综合特征进行处理，获取疾病预测结果，并在确定疾病预测结果指示出现疾病时，根据疾病预测结果，执行疾病预警处理。解决了相关技术仅能根据单一的生理信号的基础信号特征预测疾病，导致预测结果准确率低，从而容易出现预警错误的情况的技术问题。
-
公开(公告)号：CN113940640B
公开(公告)日：2023-04-18
申请号：CN202111339208.2
申请日：2021-11-12
申请人： 清华大学
IPC分类号： A61B5/02 , A61B5/00 , G06F18/214 , G06N20/00
摘要： 本发明涉及智能医疗领域，提供一种心血管疾病风险控制方法、系统及存储介质，能够对待检测者的心血管疾病风险进行预警，并且能够帮助心血管疾病发病风险高的检测者通过给出心血管疾病风险控制方案来不断调整其生活习惯，进而达到降低其未来罹患心血管病的风险的技术效果。
-
公开(公告)号：CN115168319A
公开(公告)日：2022-10-11
申请号：CN202210588280.7
申请日：2022-05-27
申请人： 清华大学
IPC分类号： G06F16/21 , G06F16/215 , G06F16/22 , G06F16/242 , G06F3/06
摘要： 本发明提供一种数据库系统、数据处理方法及电子设备，所述数据库系统包括：包括存储模块和处理模块，所述处理模块与所述存储模块相连；所述处理模块用于根据数据表的每列数据的访问频率，选择对应的压缩算法对每列数据进行分段压缩；其中，访问频率与压缩算法的对应关系是预设的；所述存储模块用于将数据表的每列数据分段压缩保存。所述方法应用于上述数据库系统。本发明实施例提供的数据库系统、数据处理方法及电子设备，能够在单台电子设备上实现大数据的存储，降低了大数据存储的成本。
-
-
-
-
-
-
-
-
-
搜索结果
63 条记录 (耗时 0.025 秒)
