-
公开(公告)号：CN114730638A
公开(公告)日：2022-07-08
申请号：CN202180006088.6
申请日：2021-04-06
Applicant: 清华大学 , 百度在线网络技术(北京)有限公司
IPC: G16H50/70
Abstract: 本公开提出一种跨医疗数据源的网络表示学习算法，包括：S1，生成包括源网络和目标网络的医疗网络数据；S2，从源网络和目标网络随机采样设定数量的节点；S3，得到一个L层的神经网络，并对每一层分别计算源网络和目标网络的结构特征和表达特征，计算源网络和目标网络的网络特征之间的距离损失；S4，得到源网络在L层神经网络的输出，并根据分类损失和距离损失计算损失值，根据反向传播算法更新算法的参数；S5，重复步骤S2‑S4，直至整个算法收敛，使得算法对于疾病分类的准确率在多个迭代内不再上升。本公开考虑了不同医院数据源之间的数据分布不一致问题,通过提取网络的结构信息及节点属性信息、最小化特征距离弥补信息损失，有着广阔的应用空间。
-
公开(公告)号：CN113767401A
公开(公告)日：2021-12-07
申请号：CN202080005552.5
申请日：2020-04-03
Applicant: 清华大学 , 百度在线网络技术(北京)有限公司
IPC: G06N3/04
Abstract: 一种跨医疗数据源的网络表示学习算法，包括：S1，生成包括源网络和目标网络的医疗网络数据；S2，从源网络和目标网络随机采样设定数量的节点；S3，得到一个L层的神经网络，并对每一层分别计算源网络和目标网络的结构特征和表达特征，计算源网络和目标网络的网络特征之间的距离损失；S4，得到源网络在L层神经网络的输出，并根据分类损失和距离损失计算损失值，根据反向传播算法更新算法的参数；S5，重复步骤S2‑S4，直至整个算法收敛，使得算法对于疾病分类的准确率在多个迭代内不再上升。有益效果：考虑了不同医院数据源之间数据分布不一致的问题,通过提取网络的结构信息及节点属性信息、最小化特征距离弥补信息损失，有着广阔的应用空间。
-
公开(公告)号：CN112967246A
公开(公告)日：2021-06-15
申请号：CN202110232004.2
申请日：2021-03-02
Applicant: 清华大学 , 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种用于临床决策支持系统的X射线影像辅助装置及方法，该装置包括：胸片影像采集模块，用于获取待分类的X射线胸片影像，所述X射线胸片影像包括正位X射线胸片影像和/或侧位X射线胸片影像；胸片影像分类辅助模块，用于将所述X射线胸片影像输入到训练好的X射线影像辅助模型中，得到所述X射线胸片影像的分类结果和病灶标注位置，其中，所述训练好的X射线影像辅助模型是由标注有病种类型的样本X射线胸片影像，对DenseNet‑121网络进行训练得到的。本发明使得临床决策支持系统可以给出可信度较高的医疗辅助结果，有效节省了医生工作时间，且能够对病灶部位进行标注，进一步提高了辅助结果的可信度。
-
公开(公告)号：CN113767401B
公开(公告)日：2025-01-03
申请号：CN202080005552.5
申请日：2020-04-03
Applicant: 清华大学 , 百度在线网络技术(北京)有限公司
Abstract: 本公开提出一种跨医疗数据源的网络表示学习方法，包括：S1，生成包括源网络和目标网络的医疗网络数据；S2，从源网络和目标网络随机采样设定数量的节点；S3，得到一个L层的神经网络，并对每一层分别计算源网络和目标网络的结构特征和表达特征，计算源网络和目标网络的网络特征之间的距离损失；S4，得到源网络在L层神经网络的输出，并根据分类损失和距离损失计算损失值，根据反向传播算法更新算法的参数；S5，重复步骤S2‑S4，直至整个算法收敛，使得算法对于疾病分类的准确率在多个迭代内不再上升。本公开考虑了不同医院数据源之间的数据分布不一致问题,通过提取网络的结构信息及节点属性信息、最小化特征距离弥补信息损失，有着广阔的应用空间。
-
公开(公告)号：CN112967246B
公开(公告)日：2025-03-21
申请号：CN202110232004.2
申请日：2021-03-02
Applicant: 清华大学 , 百度在线网络技术(北京)有限公司
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种用于临床决策支持系统的X射线影像辅助装置及方法，该装置包括：胸片影像采集模块，用于获取待分类的X射线胸片影像，所述X射线胸片影像包括正位X射线胸片影像和/或侧位X射线胸片影像；胸片影像分类辅助模块，用于将所述X射线胸片影像输入到训练好的X射线影像辅助模型中，得到所述X射线胸片影像的分类结果和病灶标注位置，其中，所述训练好的X射线影像辅助模型是由标注有病种类型的样本X射线胸片影像，对DenseNet‑121网络进行训练得到的。本发明使得临床决策支持系统可以给出可信度较高的医疗辅助结果，有效节省了医生工作时间，且能够对病灶部位进行标注，进一步提高了辅助结果的可信度。
-
Patent Agency Ranking
公开(公告)号：CN109684625A
公开(公告)日：2019-04-26
申请号：CN201811290669.3
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种实体处理方法、装置和存储介质，该方法包括：对知识图谱中的目标实体进行分组，获取多个实体组，每个实体组中包括多个目标实体对；获取每个实体组的每个目标实体对中的两个目标实体的相似度，并将相似度大于相似度阈值的两个目标实体进行融合，获取多个新的实体组；在多个新的实体组中获取待建边客体的关联实体，并将待建边客体与关联实体进行关联；待建边客体为待建边的三元组中的客体，待建边客体的关联实体为：与待建边客体的相似度大于相似度阈值的目标实体。本发明在新的实体集中进行实体建边，使得实体融合和实体建边进行了关联，提高了知识图谱的连通度，且采用相似度的方式进行实体融合，提高了实体融合的准确性。
-
公开(公告)号：CN109902233A
公开(公告)日：2019-06-18
申请号：CN201910149015.7
申请日：2019-02-28
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/9535 , G06F17/27
Abstract: 本发明实施例公开了一种智能对象推荐方法、装置、设备和存储介质。所述方法包括：根据获取的用户主诉描述信息和候选对象专长信息，分别生成用户特征表示和候选对象特征表示；根据用户特征表示和候选对象特征表示，确定候选对象对用户的响应度；根据候选对象对用户的响应度，从所述候选对象中为用户选择目标对象。本发明实施例通过用户主诉描述信息和候选对象专长信息，分别生成用户特征表示和候选对象特征表示，并根据获取的用户特征表示和候选对象特征表示，来确定候选对象对用户的响应度，最终根据响应度来为用户选择目标对象，实现了基于用户主诉描述信息，向用户推荐目标对象，该方法精准度高、稳定性好。
-
公开(公告)号：CN109840280A
公开(公告)日：2019-06-04
申请号：CN201910165382.6
申请日：2019-03-05
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明实施例提出一种文本分类方法、装置及计算机可读存储介质，其中方法包括：对待分类文本进行识别，得到至少一个维度的信息；其中，所述至少一个维度的信息至少包括有文本元素以及医疗特征信息；对所述至少一个维度的信息进行编码，得到每一个维度所对应的初始向量；基于每一个维度所对应的初始向量，确定所述待分类文本的医疗标签。
-
公开(公告)号：CN109684625B
公开(公告)日：2021-01-12
申请号：CN201811290669.3
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F40/295 , G06F16/36
Abstract: 本发明提供一种实体处理方法、装置和存储介质，该方法包括：对知识图谱中的目标实体进行分组，获取多个实体组，每个实体组中包括多个目标实体对；获取每个实体组的每个目标实体对中的两个目标实体的相似度，并将相似度大于相似度阈值的两个目标实体进行融合，获取多个新的实体组；在多个新的实体组中获取待建边客体的关联实体，并将待建边客体与关联实体进行关联；待建边客体为待建边的三元组中的客体，待建边客体的关联实体为：与待建边客体的相似度大于相似度阈值的目标实体。本发明在新的实体集中进行实体建边，使得实体融合和实体建边进行了关联，提高了知识图谱的连通度，且采用相似度的方式进行实体融合，提高了实体融合的准确性。
-
公开(公告)号：CN109840280B
公开(公告)日：2023-07-18
申请号：CN201910165382.6
申请日：2019-03-05
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/35 , G06F40/279
Abstract: 本发明实施例提出一种文本分类方法、装置及计算机可读存储介质，其中方法包括：对待分类文本进行识别，得到至少一个维度的信息；其中，所述至少一个维度的信息至少包括有文本元素以及医疗特征信息；对所述至少一个维度的信息进行编码，得到每一个维度所对应的初始向量；基于每一个维度所对应的初始向量，确定所述待分类文本的医疗标签。
-
-
-
-
-
-
-
-
-
Search Results
247
records
(took 0.065 seconds)
