多领域实时答疑系统
    1.
    发明公开

    公开(公告)号:CN109983454A

    公开(公告)日:2019-07-05

    申请号:CN201780072825.6

    申请日:2017-10-17

    Abstract: 一种用于自动答疑的系统(1000),包括:语义空间(210),其是根据问题和答案的语料库生成的;用户接口(1030),其被配置为接收问题;以及处理器(1100),其包括:(i)问题分解引擎(1050),其被配置为将所述问题分解为领域、关键词,以及关注词;(ii)问题相似性生成器(1060),其被配置为使用经分解的问题在语义空间中识别一个或多个问题;(iii)答案提取和排序引擎(1080),其被配置为:从所述语义空间中提取与一个或多个所识别的问题相关联的答案,并且将所提取的答案中的一个或多个识别为最佳答案;以及(iv)答案微调引擎(1090),其被配置为使用所述领域、所述关键词以及所述关注词中的一个或多个来精细微调所识别的最佳答案;其中,经精细微调的答案是经由所述用户接口被提供给所述用户的。

    针对不利药物事件根据社交媒体和生物医学文献的知识发现

    公开(公告)号:CN109844733A

    公开(公告)日:2019-06-04

    申请号:CN201780064428.4

    申请日:2017-08-17

    Abstract: 在不利药物事件(ADE)监视和报告中,检测在一个或多个社交媒体消息流中的药物相关消息(60)作为包括受监视药物的名称的消息。使用ADE分类器(46)从所述药物相关消息中提取ADE报告(62)。通过与存储在ADE知识库(64)中的受监视药物的已知ADE进行比较,来验证所提取的ADE报告。在未经验证的ADE报告数据库(72)中收集未通过验证的提取的ADE报告。生成包括关于至少一个先前未识别的ADE的信息的报告(74),针对所述至少一个先前未识别的ADE,在所述未经验证的ADE报告数据库中的提取的ADE报告满足先前未识别的ADE标准(就消息数量或者报告ADE的独特患者的数量而言)。

    多领域实时答疑系统
    3.
    发明授权

    公开(公告)号:CN109983454B

    公开(公告)日:2023-06-02

    申请号:CN201780072825.6

    申请日:2017-10-17

    Abstract: 一种用于自动答疑的系统(1000),包括:语义空间(210),其是根据问题和答案的语料库生成的;用户接口(1030),其被配置为接收问题;以及处理器(1100),其包括:(i)问题分解引擎(1050),其被配置为将所述问题分解为领域、关键词,以及关注词;(ii)问题相似性生成器(1060),其被配置为使用经分解的问题在语义空间中识别一个或多个问题;(iii)答案提取和排序引擎(1080),其被配置为:从所述语义空间中提取与一个或多个所识别的问题相关联的答案,并且将所提取的答案中的一个或多个识别为最佳答案;以及(iv)答案微调引擎(1090),其被配置为使用所述领域、所述关键词以及所述关注词中的一个或多个来精细微调所识别的最佳答案;其中,经精细微调的答案是经由所述用户接口被提供给所述用户的。

    以患者为中心的临床知识发现系统

    公开(公告)号:CN109804437B

    公开(公告)日:2024-06-11

    申请号:CN201780062585.1

    申请日:2017-09-25

    Abstract: 一种医学信息检索系统包括自然语言处理系统,所述自然语言处理系统处理语音用户查询以识别关键词和短语。这些关键词和短语被提供给推理引擎,所述推理引擎基于这些关键词和短语来提供来自医学知识源的基于知识的推论的集合。其后,这些基于知识的推论被提供给信息检索引擎,所述信息检索引擎基于这些基于知识的推论来检索对应的多篇医学文章,并且关于所述基于知识的推论对每篇医学文章进行排名。总结引擎接收经排名的文章并基于在排名高的文章中找到的主题关键词和候选句子来创建模型。释义引擎处理所述候选句子以根据基于知识的释义模型来提供总结响应。音频输出设备将总结报告呈现为对所述用户的原始语音查询的响应。

    分类器训练
    9.
    发明公开

    公开(公告)号:CN110249341A

    公开(公告)日:2019-09-17

    申请号:CN201880010047.2

    申请日:2018-02-02

    Abstract: 用于训练分类器的方法和系统。所述系统包括两个或更多个分类器,每个分类器可以分析从输入数据中提取的特征。所述系统可以基于所述第一标签和所述第二标签确定输入数据的真实标签,并且基于包括输入数据和真实标签的训练示例来重新训练所述第一分类器和所述第二分类器中的至少一个。

    相互改善来自临床笔记和医学图像分类的概念提取的协同训练框架

    公开(公告)号:CN114868193A

    公开(公告)日:2022-08-05

    申请号:CN202080088182.6

    申请日:2020-12-16

    Abstract: 一种用于训练文本报告标识机器学习模型和图像标识机器学习模型的系统和方法,包括:使用被标记的文本报告集来初始地训练文本报告机器学习模型,包括对文本报告进行文本预处理并从经预处理的文本报告中提取特征,其中所提取的特征被输入到文本报告机器学习模型中;使用被标记的图像集来初始地训练图像机器学习模型;将初始地训练的文本报告机器学习模型应用到具有相关联的图像的第一未被标记的文本报告集以标记相关联的图像;选择被标记的相关联的图像的第一部分;使用所选择的被标记的相关联的图像的第一部分来重新训练图像机器学习模型;将初始地训练的图像机器学习模型应用到具有相关联的文本报告的第一未被标记的图像集以标记相关联的文本报告;选择被标记的相关联的文本报告的第一部分;以及使用所选择的被标记的相关联的文本报告的第一部分来重新训练文本报告机器学习模型。

Patent Agency Ranking